
import sqlalchemy  # v. 1.4.27
import psycopg2  # v. 2.8.6
import numpy as np # v. 1.21.2
import pandas as pd  # v. 1.3.4
import matplotlib as mpl  # v 3.5.0
import matplotlib.pyplot as plt  # v 3.5.0
import seaborn as sns  # v. 0.11.2
import datetime as dt


# Создадим строку параметров для подключения к базе данных 
conn = 'postgresql+psycopg2://readonly:6hajV34RTQfmxhS@dsstudents.skillbox.ru:5432/human_resources'

# Создадим интерфейс взаимодейтсвия с базой данных
engine = sqlalchemy.create_engine(conn)
conn = engine.connect()
inspector = sqlalchemy.inspect(engine)
# Определим список таблиц, имеющихся в базе
table_list = inspector.get_table_names()
table_list

['hr_dataset', 'production_staff', 'recruiting_costs', 'salary_grid']


# Запишем эти таблицы в .csv файлы для последующего импорта в mysql (для отладки)
for q_table in table_list:  # Проходим по списку таблиц, q_table - запрашиваемая таблица
    sql_quiery = f"select * from {q_table}"  # Cоздаём запрос q для вывода всех знасчений из таблицы в списке
    df = pd.read_sql(sql_quiery, conn, index_col='id')  # Считываем содержимое таблицы в df
    df.to_csv(q_table + ".csv")  # Записываем df в файл csv
    print(f"{q_table} processed, ok")  # Выводим на консоль контрольную информацию

hr_dataset processed, ok
production_staff processed, ok
recruiting_costs processed, ok
salary_grid processed, ok


pd.set_option('display.max_rows', 400)  # изменим максимум отображаемых строк 
pd.set_option('display.max_columns', 50)  # изменим максимум отображаемых столбцов


sns.set_style("darkgrid")


sql_quiery = f"select * from hr_dataset"
df_hr_dataset=pd.read_sql(sql_quiery, conn, index_col='id')
df_hr_dataset.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 310 entries, 1 to 310
Data columns (total 28 columns):
 #   Column               Non-Null Count  Dtype  
---  ------               --------------  -----  
 0   Employee Name        310 non-null    object 
 1   Employee Number      310 non-null    int64  
 2   marriedid            310 non-null    int64  
 3   maritalstatusid      310 non-null    int64  
 4   genderid             310 non-null    int64  
 5   empstatus_id         310 non-null    int64  
 6   deptid               310 non-null    int64  
 7   perf_scoreid         310 non-null    int64  
 8   age                  310 non-null    int64  
 9   Pay Rate             310 non-null    float64
 10  state                310 non-null    object 
 11  zip                  310 non-null    int64  
 12  dob                  310 non-null    object 
 13  sex                  310 non-null    object 
 14  maritaldesc          310 non-null    object 
 15  citizendesc          310 non-null    object 
 16  Hispanic/Latino      310 non-null    object 
 17  racedesc             310 non-null    object 
 18  Date of Hire         310 non-null    object 
 19  Days Employed        310 non-null    int64  
 20  Date of Termination  103 non-null    object 
 21  Reason For Term      310 non-null    object 
 22  Employment Status    310 non-null    object 
 23  department           310 non-null    object 
 24  position             310 non-null    object 
 25  Manager Name         310 non-null    object 
 26  Employee Source      310 non-null    object 
 27  Performance Score    310 non-null    object 
dtypes: float64(1), int64(10), object(17)
memory usage: 70.2+ KB


df_hr_dataset.head(10)


sql_quiery = \
"""
SELECT
    "Date of Hire",
    "Days Employed",
    ("Date of Hire" + "Days Employed") AS actual_date
FROM
    hr_dataset
WHERE 
    "Date of Termination" is null
;"""
df_actual_date = pd.read_sql(sql_quiery, conn)
df_actual_date.head()


sql_quiery = f"select * from production_staff"
df_production_staff = pd.read_sql(sql_quiery, conn, index_col='id')
df_production_staff.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 256 entries, 1 to 256
Data columns (total 15 columns):
 #   Column               Non-Null Count  Dtype  
---  ------               --------------  -----  
 0   Employee Name        209 non-null    object 
 1   Race Desc            209 non-null    object 
 2   Date of Hire         209 non-null    object 
 3   TermDate             83 non-null     object 
 4   Reason for Term      209 non-null    object 
 5   Employment Status    209 non-null    object 
 6   Department           209 non-null    object 
 7   Position             209 non-null    object 
 8   Pay                  209 non-null    object 
 9   Manager Name         209 non-null    object 
 10  Performance Score    209 non-null    object 
 11  Abutments/Hour Wk 1  208 non-null    float64
 12  Abutments/Hour Wk 2  208 non-null    float64
 13  Daily Error Rate     208 non-null    float64
 14  90-day Complaints    208 non-null    float64
dtypes: float64(4), object(11)
memory usage: 32.0+ KB


df_production_staff.head(10)


sql_quiery = f"select * from recruiting_costs"
df_recruiting_costs =pd.read_sql(sql_quiery, conn, index_col='id')
df_recruiting_costs.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 22 entries, 1 to 22
Data columns (total 14 columns):
 #   Column             Non-Null Count  Dtype 
---  ------             --------------  ----- 
 0   Employment Source  22 non-null     object
 1   January            22 non-null     int64 
 2   February           22 non-null     int64 
 3   March              22 non-null     int64 
 4   April              22 non-null     int64 
 5   May                22 non-null     int64 
 6   June               22 non-null     int64 
 7   July               22 non-null     int64 
 8   August             22 non-null     int64 
 9   September          22 non-null     int64 
 10  October            22 non-null     int64 
 11  November           22 non-null     int64 
 12  December           22 non-null     int64 
 13  Total              22 non-null     int64 
dtypes: int64(13), object(1)
memory usage: 2.6+ KB


df_recruiting_costs.head(25)


sql_quiery = f"select * from salary_grid"
df_salary_grid =pd.read_sql(sql_quiery, conn, index_col='id')
df_salary_grid.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 12 entries, 1 to 12
Data columns (total 7 columns):
 #   Column      Non-Null Count  Dtype  
---  ------      --------------  -----  
 0   Position    12 non-null     object 
 1   Salary Min  12 non-null     int64  
 2   Salary Mid  12 non-null     int64  
 3   Salary Max  12 non-null     int64  
 4   Hourly Min  12 non-null     float64
 5   Hourly Mid  12 non-null     float64
 6   Hourly Max  12 non-null     float64
dtypes: float64(3), int64(3), object(1)
memory usage: 768.0+ bytes


df_salary_grid.head(12)


print("Например:")
print("Должности, которые есть в salary_grid, но которых нет в hr_dataset: ", "\n", 
      (set(df_salary_grid.Position.tolist()) - set(df_hr_dataset.position.tolist())), "\n")
print("Должности, которые есть в hr_dataset, но которых нет в salary_grid: ", "\n",
      (set(df_hr_dataset.position.tolist()) - set(df_salary_grid["Position"].tolist())), "\n")
print("Имена менеджеров, которых из-за расхождения в написании нет в поле сотрудников в hr_dataset: ", "\n",
      (set(df_hr_dataset["Manager Name"].tolist()) - set(df_hr_dataset["Employee Name"].tolist())), "\n")

Например:
Должности, которые есть в salary_grid, но которых нет в hr_dataset:  
 {'Sr. Administrative Assistant', 'Lead Production Technician', 'Accountant II'} 

Должности, которые есть в hr_dataset, но которых нет в salary_grid:  
 {'Production Manager', 'President & CEO', 'IT Manager - Infra', 'Data Architect', 'IT Support', 'BI Developer', 'Area Sales Manager', 'Software Engineer', 'Sales Manager', 'BI Director', 'IT Manager - Support', 'Director of Operations', 'Senior BI Developer', 'CIO', 'Director of Sales', 'Software Engineering Manager', 'IT Manager - DB', 'Shared Services Manager', 'IT Director'} 

Имена менеджеров, которых из-за расхождения в написании нет в поле сотрудников в hr_dataset:  
 {'Board of Directors', 'Debra Houlihan', 'Michael Albert', 'Brian Champaigne', 'Janet King', 'Eric Dougall', 'Webster Butler', 'Alex Sweetwater', 'Kissy Sullivan', 'Brandon R. LeBlanc', 'Ketsia Liebig', 'Elijiah Gray', 'Amy Dunn', 'Brannon Miller', 'Lynn Daneault', 'David Stanley', 'Peter Monroe', 'Kelley Spirea', 'Simon Roup', 'Jennifer Zamora', 'John Smith'}


# Выберем статусы занятости из таблицы hr_dataset и подсчитаем количество работников для них
sql_quiery = \
"""
(SELECT 
    "Employment Status",
    COUNT("Employee Number") AS "Employee Count"
FROM 
    hr_dataset
GROUP BY 
    "Employment Status"
ORDER BY
    "Employment Status"
)
UNION ALL
(SELECT 
    'TOTALS',
    COUNT("Employee Number") AS "Employee Count"
FROM 
    hr_dataset
)
;
"""
df_empstatus = pd.read_sql(sql_quiery, conn)
df_empstatus


# Построим круговую диаграммы
# Определим данные для построения
dfg_empstatus = df_empstatus[:-1]
# Определим поле для диаграмм
fig, ax = plt.subplots(figsize=(16, 6), ncols=1, nrows=1)
fig.suptitle("Распределение статусов занятости", fontsize = 16, y=0.9)

ax.pie(dfg_empstatus["Employee Count"], 
       labels = dfg_empstatus["Employment Status"], 
       autopct='%1.1f%%', 
       textprops={'fontsize':12}, 
       pctdistance=0.8,
       explode=(0, 0, 0, 0.1, 0.1)
      )

plt.show()


# Выберем подразделения из таблицы hr_dataset
sql_quiery = \
"""
(SELECT 
    COALESCE(department, '[TOTAL]') AS "Department",
    COUNT("Employee Number") AS Number_of_employees
FROM 
    hr_dataset
WHERE
    "Employment Status" = 'Active' OR 
    "Employment Status" = 'Future Start' OR 
    "Employment Status" = 'Leave of Absence'    
GROUP BY ROLLUP
    (department)
ORDER BY
    department
)
 
;
"""
df_departments = pd.read_sql(sql_quiery, conn)
df_departments


# Построим круговую диаграммы
# Определим данные для построения
dfg_departments = df_departments[:-1]
# Определим поле для диаграмм
fig, ax = plt.subplots(figsize=(16, 7), ncols=1, nrows=1)
fig.suptitle("Распределение действующих сотрудников по департаментам", fontsize = 16, y=0.825)

cmap = plt.colormaps["Set2"]  # Выберем цветовую палитру
my_colors = cmap(np.arange(6)*1)  # Определим цвета для графика np.arrange(число сегментов)*коэффициент

ax.pie(dfg_departments["number_of_employees"], 
       labels = dfg_departments["Department"], 
       autopct='%1.1f%%', 
       textprops={'fontsize':12}, 
       pctdistance=0.8,
       radius=0.8,
       colors=my_colors,
       explode=(0, 0, 0.2, 0, 0,0)
      )

plt.show()


# Выберем должности и их распределение по департаментам для действующих сотрудников из таблицы hr_dataset
sql_quiery = \
"""
SELECT
    COALESCE(department, '[TOTAL]') AS Department,
    COALESCE(position, '[SUBTOTAL]') AS positions,
    COUNT("Employee Number") AS "Employee Count",
    ROUND(
    -- Приведём полученные значения одсчёта "Employee Number" к числовому значения с точностью 9 знаков и
    -- 2 знаками после запятой
        CAST(
            COUNT("Employee Number") 
            AS numeric(9, 2)) / 
    -- Результат выведем так же с 2 знаками после запятой
            (SELECT COUNT("Employee Number") FROM hr_dataset
            WHERE 
                "Employment Status" = 'Active' OR 
                "Employment Status" = 'Future Start' OR 
                "Employment Status" = 'Leave of Absence') * 100, 2) 
        AS percent_of_all
FROM 
    hr_dataset
WHERE 
    "Employment Status" = 'Active' OR 
    "Employment Status" = 'Future Start' OR 
    "Employment Status" = 'Leave of Absence'    
GROUP BY ROLLUP
    (
    department,
    position
    )
ORDER BY
    department,
    position,
    "Employee Count"

;"""
df_positions = pd.read_sql(sql_quiery, conn, index_col=['department', 'positions'])
df_positions


sql_quiery = \
"""
SELECT 
    "Manager Name", 
    (SELECT DISTINCT "department" AS "Sub-department" ),
    (SELECT DISTINCT "position" AS "Subordinates" ), 
    COUNT("Employee Number") 
FROM 
    hr_dataset

WHERE 
    "Employment Status" = 'Active' OR 
    "Employment Status" = 'Future Start' OR 
    "Employment Status" = 'Leave of Absence'

GROUP BY 
    "Manager Name", 
    "Sub-department",
    "Subordinates"
ORDER BY 
    "Manager Name", 
    "Sub-department",
    "Subordinates"
;"""
df_subordination1 = pd.read_sql(sql_quiery, conn, index_col=["Manager Name", "Sub-department", "Subordinates"])
df_subordination1


# Создадим служебный датафрейм, где нормируем имена сотрудников и менеджеров и сопоставим для каждого менеджера
# номер сотрудника, каковым этот менеджер является. Используем данные только для действующих работников

sql_quiery = \
"""
-- ---------------------
-- Создадим временные представления для нормализации имён сотрудников и менеджеров 
-- и присвоения менеджерам соовтетсвующих им номеров как сотрудникам.
-- ---------------------

-- --------------------
-- Нормализуем имена сотрудников. CASE будет взаимоисключающим. 
-- Приведённый код не универсален, он устраняет не все возможные ошибки, а только те, что есть в именах менеджеров 
-- и эквивалентных им именах сотрудников.
-- -----------------

-- Уберём лишние пробелы в конце имён сотрудников
CREATE OR REPLACE TEMP VIEW 
    EmployeesNameTrim 
AS
   (SELECT
        "Employee Name",
        TRIM(TRAILING ' ' FROM "Employee Name") AS empl_name_norm,
        "Employee Number",
        "Employment Status",
        department,
        position,
        "Manager Name"
    FROM hr_dataset
    WHERE  -- Условие, что работники действующие
        "Employment Status" = 'Active' OR 
        "Employment Status" = 'Future Start' OR 
        "Employment Status" = 'Leave of Absence'
    )
;

-- Если нет пробела после запятой после фамилии перед именем - добавляем пробел
CREATE OR REPLACE TEMP VIEW
    EmployeesMissingSpaces
AS
    (SELECT
        "Employee Name",
        (CASE
--          WHEN STRPOS(empl_name_norm, ' ') = 0
            WHEN ' ' NOT IN (empl_name_norm)
            THEN 
                CONCAT(
                    SPLIT_PART(empl_name_norm, ',', 1),', ',SPLIT_PART (empl_name_norm, ',', 2)
                    )
            ELSE 
                empl_name_norm
        END
        ) AS empl_name_norm,
        "Employee Number",
        "Employment Status",
        department,
        position,
        "Manager Name"
    FROM
        EmployeesNameTrim
       
    )
;

-- Если есть лишние пробелы внутри поля - заменяем их одним пробелом
CREATE OR REPLACE TEMP VIEW
    EmployeesReducedSpaces
AS
    (SELECT
        "Employee Name",
        (CASE
            WHEN STRPOS(empl_name_norm, '  ') <> 0
            THEN 
                REPLACE(empl_name_norm, '  ', ' ')
            ELSE 
                empl_name_norm
        END
        ) AS empl_name_norm,
        "Employee Number",
        "Employment Status",
        department,
        position,
        "Manager Name"
    FROM 
        EmployeesMissingSpaces
    )
;

-- --------------------
-- Нормализуем имена менеджеров. Здесь нормализация более специфична. CASE будет взаимоисключающим. 
-- Приведённый код не универсален, он устраняет не все возможные ошибки, а только те, что есть в именах менеджеров 
-- и эквивалентных им именах сотрудников.
-- -----------------

CREATE OR REPLACE TEMP VIEW 
    ManagersNorm
AS
    (SELECT
        "Employee Name",
        empl_name_norm,
        "Employee Number",
        "Employment Status",
        department,
        position,
        "Manager Name",
        (CASE
            -- Специально для 'Board of Directors'. Его надо оставить, как есть.
            WHEN "Manager Name" = 'Board of Directors'
            THEN 'Board of Directors'
            
            -- Специально для 'Butler, Webster  L'. В списке менеджеров он без 'L'.
            WHEN "Manager Name" = 'Webster Butler'  
            THEN CONCAT(
                    SPLIT_PART("Manager Name", ' ', 2),
                    ', ', 
                    SPLIT_PART ("Manager Name", ' ', 1),
                    ' L'
                    )
            
            -- Для случаев наличия первой буквы второго имени, то есть существует третье слово в Manager Name
            -- (Формат: Имя ВтороеИмя. Фамилия), поменяем местами имя, второе имя и фамилию, отделим фамилию запятой.
            WHEN SPLIT_PART("Manager Name", ' ', 3) <> ''
            THEN CONCAT(
                    SPLIT_PART("Manager Name", ' ', 3),
                    ', ', 
                    SPLIT_PART ("Manager Name", ' ', 1),
                    ' ',  
                    REPLACE(SPLIT_PART("Manager Name", ' ', 2), '.', '') -- здесь надо убрать точку
                    )

            -- Все остальные случаи: поменяем местами имя и фамилию и разделим их запятой с пробелом (стандартный вариант)
            ELSE
                CONCAT(
                    SPLIT_PART("Manager Name", ' ', 2),
                    ', ', 
                    SPLIT_PART ("Manager Name", ' ', 1)
                    ) 
        END
        ) AS manager_name_norm
    FROM
        EmployeesReducedSpaces
    )
;    

-- --------------------
-- Для дальнейшего составления структуры компании, выведем в отдельный столбец номера менеджеров как сотрудников. 
-- Далее будем использовать их как ID
-- --------------------

-- Опредеелим номера менеджеров как сотрудников, сопоставив менеджеров и сотрудников по нормализованным именам. 
CREATE OR REPLACE TEMP VIEW 
    EmployeesAndManagers
AS
    (SELECT 
        "Employee Name",
        empl_name_norm,
        "Employee Number",
        "Employment Status",
        department,
        position,
        "Manager Name",
        manager_name_norm,
        (SELECT
            "Employee Number"
        FROM 
            (SELECT
                "Employee Number",
                empl_name_norm
            FROM 
                ManagersNorm
            ) AS employees
        WHERE 
            empl_name_norm = manager_name_norm
        ) AS "Manager Number"
    FROM ManagersNorm
    )
;
SELECT
    *
FROM 
    EmployeesAndManagers
;"""
df_empl_and_manag_norm = pd.read_sql(sql_quiery, conn)
df_empl_and_manag_norm.head()


# Создадим таблицу иерархии подразделений и менеджеров
sql_quiery = \
"""
-- Создадим временное представление для этих целей.
-- Изначально для менеджера 'Board of Directors' - 1й уровень
CREATE OR REPLACE TEMP VIEW Level1
AS 
    SELECT 
        manager_name_norm AS "Top Manager",
        department AS "Sub1 Department",
        position AS "Sub1 Position",
        empl_name_norm AS "Sub1 Name",
        "Employee Number" AS "Sub1 Number"
    FROM 
        EmployeesAndManagers
    WHERE
        "Manager Name" = 'Board of Directors'
;
-- Для второго уровня подчинёности
CREATE OR REPLACE TEMP VIEW Level2
AS 
    SELECT 
        "Top Manager",
        "Sub1 Department",
        "Sub1 Position",
        "Sub1 Name" ,
        "Sub1 Number",
        department AS "Sub2 Department",
        position AS "Sub2 Position",
        empl_name_norm AS "Sub2 Name",
        "Employee Number" AS "Sub2 Number"
        
    FROM 
        Level1
        LEFT JOIN
            EmployeesAndManagers
            ON "Sub1 Number" = "Manager Number"
;        
-- Для третьего уровня подчинёности
CREATE OR REPLACE TEMP VIEW Level3
AS 
    SELECT 
        "Top Manager",
        "Sub1 Department",
        "Sub1 Position",
        "Sub1 Name" ,
        "Sub1 Number",
        "Sub2 Department",
        "Sub2 Position",
        "Sub2 Name",
        "Sub2 Number",
        department AS "Sub3 Department",
        position AS "Sub3 Position",
        empl_name_norm AS "Sub3 Name",
        "Employee Number" AS "Sub3 Number"        
    FROM 
        Level2
        LEFT JOIN
            EmployeesAndManagers
            ON "Sub2 Number" = "Manager Number"

;
-- Для четвертого уровня подчинёности
CREATE OR REPLACE TEMP VIEW Level4
AS 
    SELECT 
        "Top Manager",
        "Sub1 Department",
        "Sub1 Position",
        "Sub1 Name" ,
        "Sub1 Number",
        "Sub2 Department",
        "Sub2 Position",
        "Sub2 Name",
        "Sub2 Number",
        "Sub3 Department",
        "Sub3 Position",
        "Sub3 Name",
        "Sub3 Number",
        department AS "Sub4 Department",
        position AS "Sub4 Position",
        empl_name_norm AS "Sub4 Name",
        "Employee Number" AS "Sub4 Number" 
    FROM 
        Level3
        LEFT JOIN
            EmployeesAndManagers
            ON "Sub3 Number" = "Manager Number"

;
-- Пятого уровня подчинённости (как показывает аналогичный код) не существует


SELECT
    "Top Manager",
    "Sub1 Department",
    "Sub1 Position",
    "Sub1 Name" ,
    "Sub2 Department",
    "Sub2 Position",
    "Sub2 Name",
    "Sub3 Department",
    "Sub3 Position",
    "Sub3 Name",
--  "Sub4 Department",
    "Sub4 Position",
--  "Sub4 Name",
    COUNT("Sub4 Name") AS "sub5_count"
FROM Level4
GROUP BY
    "Top Manager",
    "Sub1 Department",
    "Sub1 Position",
    "Sub1 Name" ,
    "Sub2 Department",
    "Sub2 Position",
    "Sub2 Name",
    "Sub3 Department",
    "Sub3 Position",
    "Sub3 Name",
--  "Sub4 Department",
    "Sub4 Position"
ORDER BY
    "Sub1 Department",
    "Sub1 Position",
    "Sub2 Department",
    "Sub2 Position",
    "Sub3 Department",
    "Sub3 Position",
--  "Sub4 Department",
    "Sub4 Position"

;
"""


df_subordination2 = pd.read_sql(sql_quiery, 
                                 conn,  
                                 index_col = [
                                     "Top Manager",
                                     "Sub1 Department",
                                     "Sub1 Position",
                                     "Sub1 Name" ,
                                     "Sub2 Department",
                                     "Sub2 Position",
                                     "Sub2 Name",
                                     "Sub3 Department",
                                     "Sub3 Position",
                                     "Sub3 Name",
                                     "Sub4 Position"]
                                     )
df_subordination2


# Создадим DF для исследования зарплатного распределения сотрудников компаниии
sql_quiery = \
"""
SELECT
    "Employee Number",
    CAST
        ("Pay Rate" * 2080 AS INTEGER)
        AS usd_per_year
FROM
    hr_dataset
WHERE  -- Условие, что работники действующие
    "Employment Status" = 'Active' OR 
    "Employment Status" = 'Future Start' OR 
    "Employment Status" = 'Leave of Absence'
ORDER BY
    "Pay Rate"
;
"""

df_year_payrate = pd.read_sql(sql_quiery, conn)
df_year_payrate


# Создадим график распределения сотрудников по зарплате
g=sns.displot(data=df_year_payrate,
              x="usd_per_year",
              binwidth=2500,
              binrange=(27500, 166400),
              height=10,
              aspect=2,
              color="teal",
              alpha=0.7
             )

# Определяем шкалу X:
scale_step = 10000 # Определяем шаг шкалы X - его можно менять!
# Определяем основной диапазон шкалы
scale_span = list(range((int(df_year_payrate['usd_per_year'].min() / scale_step) * scale_step), 
                        int(df_year_payrate['usd_per_year'].max()), 
                        scale_step))
# При неоходимости дополняем первый и послдений элементы к шкале (если они не вошли в шкалу ранее)
if df_year_payrate['usd_per_year'].min() < scale_span[0]:
    scale_span = ([df_year_payrate['usd_per_year'].min()] + scale_span)
if df_year_payrate['usd_per_year'].max() > scale_span[-1]:
    scale_span = scale_span + [df_year_payrate['usd_per_year'].max()] 

plt.xticks(ticks=scale_span, fontsize=14, rotation=90)  # установим шкалу X и размер её обозначений 
plt.yticks(fontsize=14)  # Установим размер обозначения для шкалы Y

g.set_xlabels(fontsize=16)  # Размер подписей шкалы X
g.set_ylabels(fontsize=16)  # Размер подписей шкалы Y

# Заголовок графика:
g.fig.suptitle("Общее распеределение сотрудников по размеру зарплаты в годовом выражении", fontsize=20, y=1.0125)

# Добавим вертикальные линии медианы и средней арифметической заработной платы
# Для этого определим функцию построения вертикальной линии и её подписи
def usd_lines(x, **kwargs):
    # Построение линии медианы на основе принимаемых значений x, цвет, толщина, стиль
    plt.axvline(x.median(), color='sienna', linewidth=3, linestyle=':')
    # Построение линии средней на основе принимаемых значений x, цвет, толщина, стиль
    plt.axvline(x.mean(), color='navy', linewidth=3, linestyle='-.')
    # Создание подписи к линии медианы
    plt.annotate(
        text=f"медиана {x.median()}", # Аннотация линии медианы.
        xy=(x.median()-1000, 20),  # Положение подписи в единицах шкал графика
        horizontalalignment='center',  # Выравнивание текста по горизонтали
        verticalalignment='top',  # Выравнивание текста по вертикали
        rotation="vertical", # Поворот подписи
        color='sienna', # Цвет надписи
        alpha=1,
        fontsize=16
    )
    plt.annotate(
        text=f"средняя {x.mean():,.1f}", # Аннотация линии медианы.
        xy=(x.mean()-1000, 20),  # Положение подписи в единицах шкал графика
        horizontalalignment='center',  # Выравнивание текста по горизонтали
        verticalalignment='top',  # Выравнивание текста по вертикали
        rotation="vertical", # Поворот подписи
        color='navy', # Цвет надписи
        alpha=1,
        fontsize=16
    )
# Определяем "разметку" для исполнения функции построения линий
# Передаём функции величины возрастов 
g.map(usd_lines, x=df_year_payrate['usd_per_year'])
plt.show()


# Выберем оцегки производительности из таблицы hr_dataset
sql_quiery = \
"""
(SELECT 
    COALESCE("Performance Score", '[TOTAL]') AS performace_score,
    COUNT("Employee Number") AS number_of_employees
FROM 
    hr_dataset
WHERE
    "Employment Status" = 'Active' OR 
    "Employment Status" = 'Future Start' OR 
    "Employment Status" = 'Leave of Absence'    
GROUP BY ROLLUP
    ("Performance Score")
ORDER BY
    "Performance Score"
)
 
;
"""
df_performance = pd.read_sql(sql_quiery, conn)
df_performance


# Построим круговую диаграммы
# Определим данные для построения
dfg_performance = df_performance[:-1]
# Определим поле для диаграмм
fig, ax = plt.subplots(figsize=(16, 7), ncols=1, nrows=1)
fig.suptitle("Распеределение действующих сотрудников по оценке производительности", fontsize = 16, y=0.825)

#cmap = plt.colormaps["Paired"]  # Выберем цветовую палитру (категориальную)
#my_colors = cmap(np.arange(6)*1)  # Определим цвета для графика np.arrange(число сегментов)*коэффициент

cmap = plt.colormaps["PiYG"]  # Выберем цветовую палитру (последовательную)
my_colors =cmap(np.linspace(0.1, 0.9, dfg_performance.shape[0]))

ax.pie(dfg_performance["number_of_employees"], 
       labels = dfg_performance["performace_score"], 
       autopct='%1.1f%%', 
       textprops={'fontsize':12}, 
       pctdistance=0.8,
       radius=0.8,
       colors=my_colors
      )

plt.show()


# Создадим DF для исследования распределения действующих сотрудников компаниии по сроку работы в компании
sql_quiery = \
"""
SELECT
    "Employee Number",
    ROUND
        (CAST("Days Employed" AS numeric) / 360, 1)
        AS years_employed
FROM
    hr_dataset
WHERE  -- Условие, что работники действующие
    "Employment Status" = 'Active' OR 
    "Employment Status" = 'Future Start' OR 
    "Employment Status" = 'Leave of Absence'
ORDER BY
    "Days Employed"

;"""

df_years_employed = pd.read_sql(sql_quiery, conn)
df_years_employed


# Создадим график распределения действующих сотрудников по сроку работы в компании в годах
g=sns.displot(data=df_years_employed,
              x="years_employed",
              binwidth=0.25,
              binrange=(0, 12.1),
              height=10,
              aspect=2,
              color="indianred",
              alpha=0.7
             )

# Определяем шкалу X:
scale_step = 1 # Определяем шаг шкалы X - его можно менять!
# Определяем основной диапазон шкалы
scale_span = list(range((int(df_years_employed['years_employed'].min() / scale_step) * scale_step), 
                        int(df_years_employed['years_employed'].max()), 
                        scale_step))
# При неоходимости дополняем первый и послдений элементы к шкале (если они не вошли в шкалу ранее)
if df_years_employed['years_employed'].min() < scale_span[0]:
    scale_span = ([df_years_employed['years_employed'].min()] + scale_span)
if df_years_employed['years_employed'].max() > scale_span[-1]:
    scale_span = scale_span + [df_years_employed['years_employed'].max()] 

plt.xticks(ticks=scale_span, fontsize=14, rotation=0)  # установим шкалу X и размер её обозначений 
plt.yticks(fontsize=14)  # Установим размер обозначения для шкалы Y

g.set_xlabels(fontsize=16)  # Размер подписей шкалы X
g.set_ylabels(fontsize=16)  # Размер подписей шкалы Y

# Заголовок графика:
g.fig.suptitle("Общее распеределение действующих сотрудников по сроку работы в компании", fontsize=20, y=1.0125)

# Добавим вертикальные линии медианы и средней арифметической срока работы в компании
# Для этого определим функцию построения вертикальлной линии и её подписи
def years_employed_lines(x, **kwargs):
    # Построение линии медианы на основе принимаемых значений x, цвет, толщина, стиль
    plt.axvline(x.median(), color='forestgreen', linewidth=3, linestyle=':')
    # Построение линии средней на основе принимаемых значений x, цвет, толщина, стиль
    plt.axvline(x.mean(), color='navy', linewidth=3, linestyle='-.')
    # Создание подписи к линии медианы
    plt.annotate(
        text=f"медиана {x.median()}", # Аннотация линии медианы.
        xy=(x.median()-0.125, 20),  # Положение подписи в единицах шкал графика
        horizontalalignment='center',  # Выравнивание текста по горизонтали
        verticalalignment='top',  # Выравнивание текста по вертикали
        rotation="vertical", # Поворот подписи
        color='forestgreen', # Цвет надписи
        alpha=1,
        fontsize=16
    )
    plt.annotate(
        text=f"средняя {x.mean():,.1f}", # Аннотация линии медианы.
        xy=(x.mean()-0.125, 20),  # Положение подписи в единицах шкал графика
        horizontalalignment='center',  # Выравнивание текста по горизонтали
        verticalalignment='top',  # Выравнивание текста по вертикали
        rotation="vertical", # Поворот подписи
        color='navy', # Цвет надписи
        alpha=1,
        fontsize=16
    )
# Определяем "разметку" для исполнения функции построения линий
# Передаём функции величины возрастов 
g.map(years_employed_lines, x=df_years_employed['years_employed'])
plt.show()


# Создадим DF для исследования распределения сотрудников компаниии по дате найма в компанию
# На временной шкале надо учесть и месяцы, в которых никто не был принят на работу.

sql_quiery = \
"""
-- создадим подзапросы для выборки из hr_dataset, а также для общей шкалы времени от минимальной даты приема
-- на работу до максимальной (generate_sdries()). Объединим их на основе месяца с сохранением всех данных полной временной
-- шкалы
WITH 
employees_selection AS
    (SELECT
        "Employee Number",
        DATE_TRUNC('month', "Date of Hire") AS month -- приведем даты найма к месяцу (начало месяца)
    FROM
        hr_dataset
    WHERE  -- Условие, что работники действующие
        "Employment Status" = 'Active' OR 
        "Employment Status" = 'Future Start' OR 
        "Employment Status" = 'Leave of Absence'
    ),
    
month_of_hire AS
    (SELECT
        COUNT("Employee Number") AS employee_count,
        month 
    FROM
        employees_selection
    GROUP BY 
        month
    ORDER BY
        month
    ),

months AS
    (SELECT
        month
    FROM generate_series(
      (SELECT DATE_TRUNC('month', MIN("Date of Hire")) FROM hr_dataset), -- выберем минимальную дату приема на работу
      (SELECT DATE_TRUNC('month', MAX("Date of Hire")) FROM hr_dataset), -- выберем максимальную дату приема на работу
      '1 month') AS month  -- выберем месячный интервал
    )

SELECT * FROM
months
LEFT OUTER JOIN 
month_of_hire
USING(month)
;
"""

df_date_hire = pd.read_sql(sql_quiery, conn)
df_date_hire


# Создадим график распределения сотрудников по месяцу и году найма в компанию
g=sns.relplot(data=df_date_hire,
              x="month",
              y="employee_count",
              height=4,
              aspect=3.5,
              color="indianred",
              alpha=0.9,
              ci=False,
              kind="line"
             )
# Определим шкалу как временной диапазон в формате Pandas с квартальными интервалами (для читаемости):
scale_span = pd.date_range(start=df_date_hire['month'].min(),
                           end= df_date_hire['month'].max(),
                           freq='QS').tolist()

plt.xticks(ticks=scale_span, fontsize=12, rotation=90)  # установим шкалу X и размер её обозначений 
plt.yticks(fontsize=14)  # Установим размер обозначения для шкалы Y

# Определим формат подписей шкалы как YYYY-MM 
g.axes[0,0].xaxis.set_major_formatter(mpl.dates.DateFormatter('%Y-%m'))

g.set_xlabels("Months", fontsize=14)  # Размер подписей шкалы X
g.set_ylabels("Employees hired", fontsize=14)  # Размер подписей шкалы Y

# Заголовок графика:
g.fig.suptitle("Общее распеределение действующих сотрудников по месяцу и году найма", fontsize=16, y=1.025)
plt.show()


# Выберем истоники найма из таблицы hr_dataset
sql_quiery = \
"""
(SELECT 
    COALESCE("Employee Source", '[TOTAL]') AS employee_source,
    COUNT("Employee Number") AS number_of_employees
FROM 
    hr_dataset
WHERE
    "Employment Status" = 'Active' OR 
    "Employment Status" = 'Future Start' OR 
    "Employment Status" = 'Leave of Absence'    
GROUP BY ROLLUP
    ("Employee Source")
ORDER BY
    number_of_employees DESC
)
 
;
"""
df_empl_source = pd.read_sql(sql_quiery, conn)
df_empl_source


# Построим круговую диаграммы
# Определим данные для построения
dfg_empl_source = df_empl_source[1:]
# Определим поле для диаграмм
fig, ax = plt.subplots(figsize=(16, 7), ncols=1, nrows=1)
fig.suptitle("Распеределение действующих сотрудников по источнику найма", fontsize = 16, y=1.125)

#cmap = plt.colormaps["Paired"]  # Выберем цветовую палитру (категориальную)
#my_colors = cmap(np.arange(6)*1)  # Определим цвета для графика np.arrange(число сегментов)*коэффициент

cmap = plt.colormaps["terrain"]  # Выберем цветовую палитру (последовательную)
my_colors =cmap(np.linspace(0.125, 0.875, dfg_empl_source.shape[0]))

ax.pie(dfg_empl_source["number_of_employees"], 
       labels = dfg_empl_source["employee_source"], 
       autopct='%1.1f%%', 
       textprops={'fontsize':12}, 
       pctdistance=0.9,
       radius=1.5,
       colors=my_colors
      )

plt.show()


sql_quiery = \
"""
WITH 
empl_source_count AS
    (SELECT
        "Employee Source" AS empl_source,
        COUNT("Employee Number")
    FROM hr_dataset
    GROUP BY
        "Employee Source"
    ),

empl_source_price AS
    (SELECT 
        "Employment Source" AS empl_source,
        "Total"
    FROM
    recruiting_costs
    ),

empl_count_per_source_price AS
    (SELECT 
       *
    FROM
        (empl_source_count
        LEFT JOIN
        empl_source_price
        USING (empl_source)
        )
    )
SELECT 
    empl_source AS "Recruitment Source",
    count AS "Employee Count",
    "Total" AS "Total per Source",
    ROUND("Total" / (SUM(count) OVER (PARTITION BY empl_source)), 2) AS "Per Employee"
FROM
    empl_count_per_source_price
ORDER BY
    "Per Employee" DESC

"""
df_recruiting_costs_per_employee = pd.read_sql(sql_quiery, conn)
df_recruiting_costs_per_employee


dfg_recruiting_costs_per_employee = df_recruiting_costs_per_employee.dropna()
labels=dfg_recruiting_costs_per_employee["Recruitment Source"].tolist()

# Установим параметры matplotlib для графиков
fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(15, 5), sharex=True)
fig.suptitle("Источники найма и стоимость найма в расчёте на сотрудника (USD)", fontsize=16, y=1.05)
# Выведем график количества нанятых сотрудников в зависимости от истоичника найма
sns.barplot(x="Recruitment Source", 
            y="Employee Count", 
            data=dfg_recruiting_costs_per_employee, 
            palette="cool", 
            ax=ax1)
ax1.set_ylabel("Employee Count")
ax1.set_xlabel(None) # уберём подпись под осью X для графика ax1

# Выведем график стоимости найма одного сотрудника в зависимости от истоичника найма
sns.barplot(x="Recruitment Source", 
            y="Per Employee", 
            data=dfg_recruiting_costs_per_employee,
            palette="winter", 
            ax=ax2)

ax2.set_ylabel("USD per Employee")
ax2.set_yscale('log') # для читаемости установим логарифмическую шкалу
ax2.set_xticklabels(labels = labels, rotation=60,fontsize=10)  # установим шкалу X c поворотом и размер её обозначений

plt.show()


# Создадим DF для исследования возрастного распределения сотрудников компаниии
sql_quiery = \
"""
SELECT
    "Employee Number",
    age
FROM
    hr_dataset
WHERE  -- Условие, что работники действующие
    "Employment Status" = 'Active' OR 
    "Employment Status" = 'Future Start' OR 
    "Employment Status" = 'Leave of Absence'
ORDER BY
    age
;
"""

df_age = pd.read_sql(sql_quiery, conn)
df_age


# Создадим график распределения сотрудников по возрасту
g=sns.displot(data=df_age,
              x="age",
              bins=42,  # ширина 1 bin-а = 1 год
              binwidth=1,
              height=10,
              aspect=2,
              color="coral",
              alpha=0.8
             )

# Определяем шкалу X:
scale_step = 5 # Определяем шаг шкалы X - его можно менять!
# Определяем основной диапазон шкалы
scale_span = list(range((int(df_age['age'].min() / scale_step) * scale_step), 
                        int(df_age['age'].max()), 
                        scale_step))
# При неоходимости дополняем первый и послдений элементы к шкале (если они не вошли в шкалу ранее)
if df_age['age'].min() < scale_span[0]:
    scale_span = ([df_age['age'].min()] + scale_span)
if df_age['age'].max() > scale_span[-1]:
    scale_span = scale_span + [df_age['age'].max()] 

plt.xticks(ticks=scale_span, fontsize=14)  # установим шкалу X и размер её обозначений 
plt.yticks(fontsize=14)  # Установим размер обозначения для шкалы Y

g.set_xlabels(fontsize=16)  # Размер подписей шкалы X
g.set_ylabels(fontsize=16)  # Размер подписей шкалы Y

# Заголовок графика:
g.fig.suptitle("Общее возрастное распеределение сотрудников", fontsize=20, y=1.0125)

# Добавим вертикальные линии медианы и средней арифметической возраста
# Для этого определим функцию построения вертикальной линии и её подписи
def age_lines(x, **kwargs):
    # Построение линии медианы на основе принимаемых значений x, цвет, толщина, стиль
    plt.axvline(x.median(), color='darkslategrey', linewidth=3, linestyle=':')
    # Построение линии средней на основе принимаемых значений x, цвет, толщина, стиль
    plt.axvline(x.mean(), color='navy', linewidth=3, linestyle='-.')
    # Создание подписи к линии медианы
    plt.annotate(
        text=f"медиана {x.median()}", # Аннотация линии медианы.
        xy=(x.median()-0.275, 16),  # Положение подписи в единицах шкал графика
        horizontalalignment='center',  # Выравнивание текста по горизонтали
        verticalalignment='top',  # Выравнивание текста по вертикали
        rotation="vertical", # Поворот подписи
        color='darkslategrey', # Цвет надписи
        alpha=1,
        fontsize=16
    )
    plt.annotate(
        text=f"средняя {x.mean():,.1f}", # Аннотация линии медианы.
        xy=(x.mean()-0.275, 16),  # Положение подписи в единицах шкал графика
        horizontalalignment='center',  # Выравнивание текста по горизонтали
        verticalalignment='top',  # Выравнивание текста по вертикали
        rotation="vertical", # Поворот подписи
        color='navy', # Цвет надписи
        alpha=1,
        fontsize=16
    )
# Определяем "разметку" для исполнения функции построения линий
# Передаём функции величины возрастов 
g.map(age_lines, x=df_age['age'])
plt.show()


# Выберем половой признак из таблицы hr_dataset и подсчитаем количество работников
sql_quiery = \
"""
(SELECT 
    sex,
    COUNT("Employee Number") AS "Employee Count"
FROM 
    hr_dataset
WHERE  -- Условие, что работники действующие
    "Employment Status" = 'Active' OR 
    "Employment Status" = 'Future Start' OR 
    "Employment Status" = 'Leave of Absence'
GROUP BY 
    sex
ORDER BY
    sex
)
UNION ALL
(SELECT 
    'TOTALS',
    COUNT("Employee Number") AS "Employee Count"
FROM 
    hr_dataset
WHERE  -- Условие, что работники действующие
    "Employment Status" = 'Active' OR 
    "Employment Status" = 'Future Start' OR 
    "Employment Status" = 'Leave of Absence'
)
;
"""
df_empsex = pd.read_sql(sql_quiery, conn)
df_empsex


# Построим круговую диаграммы
# Определим данные для построения
dfg_empsex = df_empsex[:-1]
# Определим поле для диаграмм
fig, ax = plt.subplots(figsize=(16, 6), ncols=1, nrows=1)
fig.suptitle("Распределение действующих сотрудников по половому признаку", fontsize = 16, y=0.9)

cmap = plt.colormaps["Pastel1"]  # Выберем цветовую палитру
my_colors = cmap(np.arange(2)*3)  # Определим цвета для графика np.arrange(число сегментов)*коэффициент

ax.pie(dfg_empsex["Employee Count"], 
       labels = dfg_empsex["sex"], 
       autopct='%1.1f%%', 
       textprops={'fontsize':14}, 
       pctdistance=0.8,
       colors=my_colors
      )

plt.show()


# Выберем расово-этническую принадлженость сотрудников из таблицы hr_dataset
sql_quiery = \
"""
(SELECT 
    COALESCE(racedesc, '[TOTAL]') AS "Race",
    COUNT("Employee Number") AS number_of_employees
FROM 
    hr_dataset
WHERE
    "Employment Status" = 'Active' OR 
    "Employment Status" = 'Future Start' OR 
    "Employment Status" = 'Leave of Absence'    
GROUP BY ROLLUP
    (racedesc)
ORDER BY
    racedesc
)
 
;
"""
df_races = pd.read_sql(sql_quiery, conn)
df_races


# Построим круговую диаграммы
# Определим данные для построения
dfg_races = df_races[:-1]
# Определим поле для диаграмм
fig, ax = plt.subplots(figsize=(16, 7), ncols=1, nrows=1)
fig.suptitle(" Распеределение действующих сотрудников по расово-этнической принадлежности", fontsize = 16, y=0.825)

cmap = plt.colormaps["Dark2"]  # Выберем цветовую палитру (категориальную)
my_colors = cmap(np.arange(6)*1)  # Определим цвета для графика np.arrange(число сегментов)*коэффициент

#cmap = plt.colormaps["summer"]  # Выберем цветовую палитру (последовательную)
#my_colors =cmap(np.linspace(0.2, 0.8, dfg_races.shape[0]))

ax.pie(dfg_races["number_of_employees"], 
       labels = dfg_races["Race"], 
       autopct='%1.1f%%', 
       textprops={'fontsize':12}, 
       pctdistance=0.8,
       radius=0.8,
       colors=my_colors
      )

plt.show()


# Выберем варианты семейного положения сотрудников из таблицы hr_dataset
sql_quiery = \
"""
(SELECT 
    COALESCE(maritaldesc, '[TOTAL]') AS "marital_status",
    COUNT("Employee Number") AS number_of_employees
FROM 
    hr_dataset
WHERE
    "Employment Status" = 'Active' OR 
    "Employment Status" = 'Future Start' OR 
    "Employment Status" = 'Leave of Absence'    
GROUP BY ROLLUP
    (maritaldesc)
ORDER BY
    maritaldesc
)
 
;
"""
df_marital = pd.read_sql(sql_quiery, conn)
df_marital


# Построим круговую диаграммы
# Определим данные для построения
dfg_marital = df_marital[:-1]
# Определим поле для диаграмм
fig, ax = plt.subplots(figsize=(16, 7), ncols=1, nrows=1)
fig.suptitle(" Распеределение действующих сотрудников по семейному положению", fontsize = 16, y=0.825)

cmap = plt.colormaps["Paired"]  # Выберем цветовую палитру (категориальную)
my_colors = cmap(np.arange(6)*2)  # Определим цвета для графика np.arrange(число сегментов)*коэффициент

#cmap = plt.colormaps["summer"]  # Выберем цветовую палитру (последовательную)
#my_colors =cmap(np.linspace(0.2, 0.8, dfg_races.shape[0]))

ax.pie(dfg_marital["number_of_employees"], 
       labels = dfg_marital["marital_status"], 
       autopct='%1.1f%%', 
       textprops={'fontsize':12}, 
       pctdistance=0.8,
       radius=0.8,
       colors=my_colors
      )

plt.show()


# Выберем значения для параметра гражданства из таблицы hr_dataset
sql_quiery = \
"""
(SELECT 
    COALESCE(citizendesc, '[TOTAL]') AS citizenship,
    COUNT("Employee Number") AS number_of_employees
FROM 
    hr_dataset
WHERE
    "Employment Status" = 'Active' OR 
    "Employment Status" = 'Future Start' OR 
    "Employment Status" = 'Leave of Absence'    
GROUP BY ROLLUP
    (citizendesc)
ORDER BY
    citizendesc
)
 
;
"""
df_citizen = pd.read_sql(sql_quiery, conn)
df_citizen


# Выберем штаты проживания сотрудников из таблицы hr_dataset
sql_quiery = \
"""
(SELECT 
    COALESCE(state, '[TOTAL]') AS "state",
    COUNT("Employee Number") AS number_of_employees,
    ROUND(
-- Приведём полученные значения одсчёта "Employee Number" к числовому значения с точностью 9 знаков и
-- 2 знаками после запятой
        CAST(
            COUNT("Employee Number") 
            AS numeric(9, 2)) / 
    -- Результат выведем так же с 2 знаками после запятой
            (SELECT COUNT("Employee Number") FROM hr_dataset
            WHERE 
                "Employment Status" = 'Active' OR 
                "Employment Status" = 'Future Start' OR 
                "Employment Status" = 'Leave of Absence') * 100, 2) 
    AS percent_of_all
FROM 
    hr_dataset
WHERE
    "Employment Status" = 'Active' OR 
    "Employment Status" = 'Future Start' OR 
    "Employment Status" = 'Leave of Absence'    
GROUP BY ROLLUP
    (state)
ORDER BY
    number_of_employees DESC
)
 
;
"""
df_state = pd.read_sql(sql_quiery, conn)
df_state


sql_quiery = \
"""
SELECT
    sex,
    age,
    maritaldesc
FROM
    hr_dataset
WHERE  -- Условие, что работники действующие
    "Employment Status" = 'Active' OR 
    "Employment Status" = 'Future Start' OR 
    "Employment Status" = 'Leave of Absence'
ORDER BY
    maritaldesc
;
"""

dfg_age_sex_marital_dependance = pd.read_sql(sql_quiery, conn)
# dfg_age_sex_marital_dependance

# Выведем фасеточный график Распределение сотруников по возрасту, полу и семейному положению
g=sns.displot(
    dfg_age_sex_marital_dependance, 
    x="age", 
    col="sex",
    row="maritaldesc",
    hue="maritaldesc",
    binwidth=1,
    bins=42,
    height=3,
    aspect = 1.8,
    row_order=["Single","Married", "Separated", "Divorced", "Widowed"],
    facet_kws=dict(margin_titles=True, sharex=False),
    )

# Определяем шкалу:
scale_step = 5 # Определяем шаг шкалы X - его можно менять!
# Определяем основной диапазон шкалы
scale_span = list(range((int(dfg_age_sex_marital_dependance['age'].min() / scale_step) * scale_step), 
                        int(dfg_age_sex_marital_dependance['age'].max()), 
                        scale_step))
# При неоходимости дополняем первый и послдений элементы к шкале (если они не вошли в шкалу ранее)
if dfg_age_sex_marital_dependance['age'].min() < scale_span[0]:
    scale_span = ([dfg_age_sex_marital_dependance['age'].min()] + scale_span)
if dfg_age_sex_marital_dependance['age'].max() > scale_span[-1]:
    scale_span = scale_span + [dfg_age_sex_marital_dependance['age'].max()]   
g.set(xticks=scale_span)  

g.fig.suptitle("Распределение сотруников по возрасту, полу и семейному положению", fontsize=16, x=0.45, y=1.03)

# Определим размер подписи оси X
g.set_xlabels(fontsize=10)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=10)
plt.show()


# Выберем статусы занятости и количество сотрудников.
# Подсчитаем количество сотрудников в группах
sql_quiery = \
"""
WITH 
status_dptmnt AS
    (SELECT 
        "Employment Status",
        department,
        COUNT("Employee Number") AS employee_count
    FROM 
        hr_dataset
    GROUP BY 
        department,
        "Employment Status"
    ORDER BY
        department,
        "Employment Status"
    )

SELECT 
    "Employment Status",
    department,
    employee_count,
    ROUND(
        employee_count / (SUM(employee_count) OVER (PARTITION BY department))*100, 2)
        AS percent_of_department
FROM 
    status_dptmnt
ORDER BY
    "Employment Status",
    department
        
    
;"""
df_empl_status_over_dptmnt = pd.read_sql(sql_quiery, conn)
df_empl_status_over_dptmnt


# Определим столбчатую диаграмму с подсчётом значений по категориям
g = sns.catplot(x="Employment Status",
                y="percent_of_department",
                hue="Employment Status",
                col="department", 
                col_wrap=3,
                data=df_empl_status_over_dptmnt,
                kind="bar",
                order=["Active","Leave of Absence", "Future Start", "Voluntarily Terminated", "Terminated for Cause"],
                height=3.2, 
                aspect=1.5,
                sharex=True,
                sharey=True,
                dodge=False,
                palette="tab20"
                ) # Определим столбчатую диаграмму с подсчётом значений по категориям

# Определим заголовк графика
g.fig.suptitle("Распределение статусов занятости сотрудников по департаментам, %", fontsize=16, x=0.325, y=1.125)
# Определим размер подписи оси X
g.set_xlabels(fontsize=12)
# Определим размер подписи оси Y
g.set_ylabels("Percent of department staff", fontsize=12)
# Определим размер и поворот подписей под столбцами
g.set_xticklabels(rotation=60,fontsize=10)

# Добавляем общую легенду, определяем её размеры и рамещение (x,y,width,height), количество полей и название
g.add_legend(bbox_to_anchor=(0.025, 0.9, 0.6, 0.2), loc='upper center', ncol=6, title='Employment Status')


plt.show()


# Выберем департаменты, дложности, статусы занятости и количество работников.
# Подсчитаем количество работников в группах
sql_quiery = \
"""
WITH 
status_position AS
    (SELECT 
        "Employment Status",
        department,
        position,
        COUNT("Employee Number") AS employee_count
    FROM 
        hr_dataset
    GROUP BY 
        position,
        department,
        "Employment Status"
    ORDER BY
        department,
        "Employment Status"
    )

SELECT 
    "Employment Status",
    department,
    position,
    employee_count,
    ROUND(
        employee_count / (SUM(employee_count) OVER (PARTITION BY position))*100, 2)
        AS percent_of_position
FROM 
    status_position
ORDER BY
    department,
    position,
    "Employment Status"  
;"""
df_empl_status_over_postition = pd.read_sql(sql_quiery, conn)
df_empl_status_over_postition


# Определим столбчатую диаграмму с подсчётом значений по категориям
g = sns.catplot(x="Employment Status",
                order=["Active","Leave of Absence", "Future Start", "Voluntarily Terminated", "Terminated for Cause"],
                y="percent_of_position",
                col="position", 
                hue="department",
                legend=False,  # Не будем выводить легенду внутри сетки у нас будет отдельная
                legend_out=True,  # Определяем вывод отдельной легенды
                col_wrap=4,
                sharex=False,
                sharey=True,
                data=df_empl_status_over_postition,
                kind="bar",
                height=3, 
                aspect=1.2,
                dodge=False,
                alpha=1.0
                ) 
# Определим заголовк графика
g.fig.suptitle("Распределение статусов занятости сотрудников по должностям, чел.", fontsize=16, x=0.3, y=1.05)
# Изменим интервал между индивидуальными графиками
g.fig.subplots_adjust(hspace=1)

# Определим размер подписи оси X
g.set_xlabels(fontsize=9)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=9)
# Определим размер и поворот подписей под столбцами
g.set_xticklabels(rotation=60,fontsize=8)

# Добавляем общую легенду, определяем её размеры и рамещение (x,y,width,height), количество полей и название
g.add_legend(bbox_to_anchor=(0, 0.83, 0.6, 0.2), loc='upper center', ncol=6, title='Departments')

plt.show()


# Выберем возраст и статусы занятости.
sql_quiery = \
"""
SELECT 
    "Employment Status",
    age
FROM 
    hr_dataset
ORDER BY
    age,
    "Employment Status"  
;"""
df_age_over_status = pd.read_sql(sql_quiery, conn)
df_age_over_status


g=sns.displot(data=df_age_over_status, 
              x="age",
              hue="Employment Status",
              hue_order=["Active","Leave of Absence", "Future Start", "Voluntarily Terminated", "Terminated for Cause"],
              col="Employment Status",
              col_wrap=1,
              col_order=["Active","Leave of Absence", "Future Start", "Voluntarily Terminated", "Terminated for Cause"],
              binwidth=1,
              height=4,
              aspect=2.5)
             
# Определяем шкалу X:
scale_step = 5 # Определяем шаг шкалы X - его можно менять!
# Определяем основной диапазон шкалы
scale_span = list(range((int(df_age['age'].min() / scale_step) * scale_step), 
                        int(df_age['age'].max()), 
                        scale_step))
# При неоходимости дополняем первый и послдений элементы к шкале (если они не вошли в шкалу ранее)
if df_age['age'].min() < scale_span[0]:
    scale_span = ([df_age['age'].min()] + scale_span)
if df_age['age'].max() > scale_span[-1]:
    scale_span = scale_span + [df_age['age'].max()] 

plt.xticks(ticks=scale_span, fontsize=12)  # установим шкалу X и размер её обозначений 
plt.yticks(fontsize=12)  # Установим размер обозначения для шкалы Y

g.set_xlabels("Employee Age", fontsize=14)  # Размер подписей шкалы X
g.set_ylabels("Employee Count", fontsize=14)  # Размер подписей шкалы Y

# Заголовок графика:
g.fig.suptitle("Возрастное распеределение сотрудников по статусам занятости", fontsize=20, y=1.0)

# Добавим вертикальные линии медианы и средней арифметической возраста
# Для этого определим функцию построения вертикальной линии и её подписи
def age_lines(x, **kwargs):
    # Построение линии медианы на основе принимаемых значений x, цвет, толщина, стиль
    plt.axvline(x.median(), color='darkslategrey', linewidth=2, linestyle=':')
    # Построение линии средней на основе принимаемых значений x, цвет, толщина, стиль
    plt.axvline(x.mean(), color='navy', linewidth=2, linestyle='-.')
    # Создание подписи к линии медианы
    plt.annotate(
        text=f"медиана {x.median()}", # Аннотация линии медианы.
        xy=(x.median()-0.3, 9),  # Положение подписи в единицах шкал графика
        horizontalalignment='right',  # Выравнивание текста по горизонтали
        verticalalignment='bottom',  # Выравнивание текста по вертикали
        rotation="vertical", # Поворот подписи
        color='darkslategrey', # Цвет надписи
        alpha=1,
        fontsize=14
    )
    plt.annotate(
        text=f"средняя {x.mean():,.1f}", # Аннотация линии медианы.
        xy=(x.mean()+0.3, 9),  # Положение подписи в единицах шкал графика
        horizontalalignment='left',  # Выравнивание текста по горизонтали
        verticalalignment='bottom',  # Выравнивание текста по вертикали
        rotation="vertical", # Поворот подписи
        color='navy', # Цвет надписи
        alpha=1,
        fontsize=14
    )
# Определяем "разметку" для исполнения функции построения линий
# Передаём функции величины возрастов 
g.map(age_lines, 'age')
plt.show()


# Выберем половой признак и статусы занятости
sql_quiery = \
"""
WITH
sex_status AS
    (SELECT 
        sex,
        "Employment Status" AS empl_status,
        COUNT("Employee Number") AS employee_count           
    FROM 
        hr_dataset
    GROUP BY
        "Employment Status",
        sex 
    ORDER BY
        sex,
        "Employment Status" 
    )
    
SELECT
    sex,
    empl_status,
    employee_count,
    ROUND(
        employee_count / (SUM(employee_count) OVER (PARTITION BY empl_status))*100, 2)
        AS percent_of_status
FROM 
    sex_status
GROUP BY
    empl_status,
    sex,
    employee_count
ORDER BY
    sex,
    empl_status 
;"""
df_sex_over_status = pd.read_sql(sql_quiery, conn)
df_sex_over_status


g=sns.catplot(data=df_sex_over_status, 
              x="empl_status",
              order=["Active","Leave of Absence", "Future Start", "Voluntarily Terminated", "Terminated for Cause"],
              y="percent_of_status",
              hue="sex",
              height=5,
              aspect=2,
              kind="bar",
              palette="Pastel1")

plt.xticks(fontsize=12)  # установим шкалу X и размер её обозначений 
plt.yticks(fontsize=12)  # Установим размер обозначения для шкалы Y

g.set_xlabels("Employement status", fontsize=14)  # Размер подписей шкалы X
g.set_ylabels("% of Employees per employment status", fontsize=14)  # Размер подписей шкалы Y

# Заголовок графика:
g.fig.suptitle(f"Распределение сотрудников по половому признаку в разбивке по статусам занятости, \n"
               f"% в группе статуса занятости",
               fontsize=20, y=1.125)
plt.show()


# Выберем расово-этнический признак и статусы занятости
sql_quiery = \
"""
WITH
race_status AS
    (SELECT 
        racedesc,
        "Employment Status" AS empl_status,
        COUNT("Employee Number") AS employee_count           
    FROM 
        hr_dataset
    GROUP BY
        "Employment Status",
        racedesc 
    ORDER BY
        racedesc,
        "Employment Status" 
    )
    
SELECT
    racedesc AS "Race Description",
    empl_status,
    employee_count,
    ROUND(
        employee_count / (SUM(employee_count) OVER (PARTITION BY empl_status))*100, 2)
        AS percent_of_status
FROM 
    race_status
GROUP BY
    empl_status,
    racedesc,
    employee_count
ORDER BY
    racedesc,
    empl_status 
;"""
df_race_over_status = pd.read_sql(sql_quiery, conn)
df_race_over_status


g=sns.catplot(data=df_race_over_status, 
              x="empl_status",
              order=["Active","Leave of Absence", "Future Start", "Voluntarily Terminated", "Terminated for Cause"],
              y="percent_of_status",
              hue="Race Description",
              height=5,
              aspect=2,
              kind="bar",
              palette="Dark2",
              alpha=1)

plt.xticks(fontsize=12)  # установим шкалу X и размер её обозначений 
plt.yticks(fontsize=12)  # Установим размер обозначения для шкалы Y

g.set_xlabels("Employement status", fontsize=14)  # Размер подписей шкалы X
g.set_ylabels("% of Employees per employment status", fontsize=14)  # Размер подписей шкалы Y

# Заголовок графика:
g.fig.suptitle(f"Распределение сотрудников по расово-этническому признаку в разбивке по статусам занятости, \n"
               f"% в группе статуса занятости", 
               fontsize=20, y=1.125)
#g.ax.set_yscale('log')
plt.show()


# Выберем расово-этнический признак и статусы занятости
sql_quiery = \
"""
WITH
marital_status AS
    (SELECT 
        maritaldesc,
        "Employment Status" AS empl_status,
        COUNT("Employee Number") AS employee_count           
    FROM 
        hr_dataset
    GROUP BY
        "Employment Status",
        maritaldesc 
    ORDER BY
        maritaldesc,
        "Employment Status" 
    )
    
SELECT
    maritaldesc,
    empl_status,
    employee_count,
    ROUND(
        employee_count / (SUM(employee_count) OVER (PARTITION BY empl_status))*100, 2)
        AS percent_of_status
FROM 
    marital_status
GROUP BY
    empl_status,
    maritaldesc,
    employee_count
ORDER BY
    maritaldesc,
    empl_status 
;"""
df_marital_over_status = pd.read_sql(sql_quiery, conn)
df_marital_over_status


g=sns.catplot(data=df_marital_over_status, 
              x="empl_status",
              order=["Active","Leave of Absence", "Future Start", "Voluntarily Terminated", "Terminated for Cause"],
              y="percent_of_status",
              hue="maritaldesc",
              height=5,
              aspect=2,
              kind="bar",
              palette="Paired",
              alpha=1)

plt.xticks(fontsize=12)  # установим шкалу X и размер её обозначений 
plt.yticks(fontsize=12)  # Установим размер обозначения для шкалы Y


g.set_xlabels("Employement status", fontsize=14)  # Размер подписей шкалы X
g.set_ylabels("% of Employees per employment status", fontsize=14)  # Размер подписей шкалы Y

# Заголовок графика:
g.fig.suptitle(f"Распределение сотрудников по признаку семейного положения в разбивке по статусам занятости, \n"
               f"% в группе статуса занятости", 
               fontsize=20, y=1.125)
#g.ax.set_yscale('log')
plt.show()


# Выберем расово-этнический признак и статусы занятости
sql_quiery = \
"""
WITH
state_status AS
    (SELECT 
        state,
        "Employment Status" AS empl_status,
        COUNT("Employee Number") AS employee_count           
    FROM 
        hr_dataset
    GROUP BY
        "Employment Status",
        state 
    ORDER BY
        state,
        "Employment Status" 
    )
    
SELECT
    state,
    empl_status,
    employee_count,
    ROUND(
        employee_count / (SUM(employee_count) OVER (PARTITION BY empl_status))*100, 2)
        AS percent_of_status
FROM 
    state_status
GROUP BY
    empl_status,
    state,
    employee_count
    
ORDER BY
    state,
    empl_status 
;"""
df_state_over_status = pd.read_sql(sql_quiery, conn)
df_state_over_status


# Выберем расово-этнический признак и статусы занятости
sql_quiery = \
"""
WITH
citizen_status AS
    (SELECT 
        citizendesc,
        "Employment Status" AS empl_status,
        COUNT("Employee Number") AS employee_count           
    FROM 
        hr_dataset
    GROUP BY
        "Employment Status",
        citizendesc 
    ORDER BY
        citizendesc,
        "Employment Status" 
    )
    
SELECT
    citizendesc,
    empl_status,
    employee_count,
    ROUND(
        employee_count / (SUM(employee_count) OVER (PARTITION BY empl_status))*100, 2)
        AS percent_of_status
FROM 
    citizen_status
GROUP BY
    empl_status,
    citizendesc,
    employee_count
    
ORDER BY
    citizendesc,
    empl_status 
;"""
df_citizen_over_status = pd.read_sql(sql_quiery, conn)
df_citizen_over_status


# Создадим таблицу для исследования зависимостей возраста от департамента и должности
sql_quiery = \
"""
SELECT
    COALESCE(department, '[TOTAL]') as department,
    COALESCE(position, '[SUBTOTAL department]') AS position,
    COUNT("Employee Number"),
    MIN(age) AS min_age,
    PERCENTILE_CONT(0.5) WITHIN GROUP(ORDER BY age) AS median_age,
    AVG(age) AS avg_age,
    MAX(age) AS max_age
FROM
    hr_dataset
WHERE  -- Условие, что работники действующие
    "Employment Status" = 'Active' OR 
    "Employment Status" = 'Future Start' OR 
    "Employment Status" = 'Leave of Absence'

GROUP BY ROLLUP(
    department,
    position
    )

;"""

df_age_over_deptmnt_position = pd.read_sql(sql_quiery, conn, index_col=['department', 'position'])
df_age_over_deptmnt_position


sql_quiery = \
"""
SELECT
    COALESCE(department, '[TOTAL]') as department,
    COALESCE(position, '[SUBTOTAL Department]') AS position,
    COUNT("Employee Number") AS empl_count,
    -- При вычислении преобразуем целочисленный числитель в число с плавающей точкой и 2 знаками после точки
    ROUND(
        SUM(CAST(CASE WHEN sex='Male' THEN 1 ELSE 0 END * 100 AS NUMERIC (9,2)))/ COUNT(sex), 2) 
        AS perc_male,
    ROUND(
        SUM(CAST(CASE WHEN sex='Female' THEN 1 else 0 END * 100 AS NUMERIC (9,2)))/ COUNT(sex), 2) 
        AS perc_female,
    ROUND(
        SUM(CAST(CASE WHEN maritaldesc='Married' THEN 1 ELSE 0 END * 100 AS NUMERIC (9,2)))/ COUNT(maritaldesc), 2)
        AS perc_marry,
    ROUND(
        SUM(CAST(CASE WHEN maritaldesc='Divorced' THEN 1 ELSE 0 END * 100 AS NUMERIC (9,2)))/ COUNT(maritaldesc),2) 
        AS perc_divorce,
    ROUND(
        SUM(CAST(CASE WHEN maritaldesc='Single' THEN 1 ELSE 0 END * 100 AS NUMERIC (9,2)))/ COUNT(maritaldesc), 2) 
        AS perc_single,
    ROUND(
        SUM(CAST(CASE WHEN maritaldesc='Separatred' THEN 1 ELSE 0 END * 100 AS NUMERIC (9,2)))/ COUNT(maritaldesc), 2) 
        AS perc_separate,
    ROUND(
        SUM(CAST(CASE WHEN maritaldesc='Widowed' THEN 1 ELSE 0 END * 100 AS NUMERIC (9,2)))/ COUNT(maritaldesc), 2) 
        AS perc_widow    
FROM
    hr_dataset
WHERE  -- Условие, что работники действующие
    "Employment Status" = 'Active' OR 
    "Employment Status" = 'Future Start' OR 
    "Employment Status" = 'Leave of Absence'
GROUP BY ROLLUP
    (department,
    position
    )
ORDER BY 
    department,
    position    
;"""
df_sex_marital_over_dptmnt_pstn = pd.read_sql(sql_quiery, conn, index_col=['department',
                                               'position'])
df_sex_marital_over_dptmnt_pstn


sql_quiery = \
"""
SELECT
    COALESCE(department, '[TOTAL]') as department,
    COALESCE(position, '[SUBTOTAL Department]') AS position,
    COUNT("Employee Number") AS empl_count,
    -- При вычислении преобразуем целочисленный числитель в число с плавающей точкой и 2 знаками после точки
    ROUND(
        SUM(CAST(CASE WHEN racedesc='Black or African American' THEN 1 ELSE 0 END * 100 AS NUMERIC (9,2)))/ 
        count(racedesc), 2) AS perc_Black_AfAm,
    ROUND(
        SUM(CAST(CASE WHEN racedesc='White' THEN 1 ELSE 0 END * 100 AS NUMERIC (9,2)))/ 
        count(racedesc), 2) AS perc_White,
    ROUND(
        SUM(CAST(CASE WHEN racedesc='Asian' THEN 1 ELSE 0 END * 100 AS NUMERIC (9,2)))/ 
        count(racedesc), 2) AS perc_Asian,
    ROUND(
        SUM(CAST(CASE WHEN racedesc='Two or more races' THEN 1 ELSE 0 END * 100 AS NUMERIC (9,2)))/ 
        count(racedesc), 2) AS perc_2_or_more_race,
    ROUND(
        SUM(CAST(CASE WHEN racedesc='Hispanic' THEN 1 ELSE 0 END * 100 AS NUMERIC (9,2)))/ 
        count(racedesc), 2) AS perc_Hispanic,
    ROUND(
        SUM(CAST(CASE WHEN racedesc='American Indian or Alaska Native' THEN 1 ELSE 0 END * 100 AS NUMERIC (9,2)))/ 
        count(racedesc), 2) AS perc_Indian_or_Alaska
     
FROM
    hr_dataset
WHERE  -- Условие, что работники действующие
    "Employment Status" = 'Active' OR 
    "Employment Status" = 'Future Start' OR 
    "Employment Status" = 'Leave of Absence'
GROUP BY ROLLUP
    (department,
    position
    )
ORDER BY 
    department,
    position    
;"""
df_race_over_dptmnt_pstn = pd.read_sql(sql_quiery, conn, index_col=['department',
                                               'position'])
df_race_over_dptmnt_pstn


sql_quiery = \
"""
SELECT
    COALESCE(department, '[TOTAL]') as department,
    COALESCE(position, '[SUBTOTAL Department]') AS position,
    COALESCE(state, '[SUBTOTAL state]') AS state,
    COUNT("Employee Number") AS empl_count,
    -- Ниже, результат от подсчёта процентов по группе необходимо умножить на 2, так как он включает подсчёт сотрудников
    -- итоговую строку по группе.
    -- Поэтому общая сумма (SUM(COUNT("Employee Number")) OVER (PARTITION BY position)) включает себя удвоенное
    -- число сотрудников (в знаменателе) и уменьшает в два раза сумму процентов по строкам
    ROUND(
        COUNT("Employee Number") / (SUM(COUNT("Employee Number")) OVER (PARTITION BY position))*100*2, 2)
            AS percent_of_state
FROM
    hr_dataset
WHERE  -- Условие, что работники действующие
    "Employment Status" = 'Active' OR 
    "Employment Status" = 'Future Start' OR 
    "Employment Status" = 'Leave of Absence'
GROUP BY ROLLUP
    (department,
    position,
    state
    )
ORDER BY 
    department,
    position,
    state
;"""
df_state_over_dptmnt_pstn = pd.read_sql(sql_quiery, conn, index_col=['department', 'position', 'state'])
df_state_over_dptmnt_pstn


sql_quiery = \
"""
SELECT
    COALESCE(department, '[TOTAL]') as department,
    COALESCE(position, '[SUBTOTAL Department]') AS position,
    COUNT("Employee Number") AS empl_count,
    ROUND(
        CAST(SUM(CASE WHEN citizendesc='US Citizen' THEN 1 ELSE 0 END * 100) AS NUMERIC(9,2))/
        COUNT(racedesc), 2) AS perc_US,
    ROUND(
        CAST(SUM(CASE WHEN citizendesc='Eligible NonCitizen' THEN 1 ELSE 0 END * 100) AS NUMERIC(9,2))/
        COUNT(racedesc), 2) AS perc_Eligible_nonUS,
    ROUND(
        CAST(SUM(CASE WHEN citizendesc='Non-Citizen' THEN 1 ELSE 0 END * 100) AS NUMERIC(9,2))/
        COUNT(racedesc), 2) AS perc_Non_US
         
FROM
    hr_dataset
WHERE  -- Условие, что работники действующие
    "Employment Status" = 'Active' OR 
    "Employment Status" = 'Future Start' OR 
    "Employment Status" = 'Leave of Absence'
GROUP BY ROLLUP
    (department,
    position
    )
ORDER BY 
    department,
    position    
;"""
df_citizen_over_dptmnt_pstn = pd.read_sql(sql_quiery, conn, index_col=['department',
                                               'position'])
df_citizen_over_dptmnt_pstn


sql_quiery = \
"""
SELECT
    COALESCE(department, '[TOTAL]') as department,
    COALESCE(position, '[SUBTOTAL]') AS position,
    COUNT("Employee Number"),
    SUM("Pay Rate")::integer * 2080 AS total_pay_rate, 
    MIN("Pay Rate")::integer * 2080 AS min_pay_rate,
    PERCENTILE_CONT(0.5) WITHIN GROUP(ORDER BY "Pay Rate")::integer * 2080 AS median_pay_rate,
    MAX("Pay Rate")::integer * 2080 AS max_pay_rate,
    (MAX("Pay Rate") -  MIN("Pay Rate"))::integer * 2080 AS delta_pay_rate,
    AVG("Pay Rate")::integer * 2080 AS avg_pay_rate
FROM 
    hr_dataset
WHERE  -- Условие, что работники действующие
    "Employment Status" = 'Active' OR 
    "Employment Status" = 'Future Start' OR 
    "Employment Status" = 'Leave of Absence'
GROUP BY ROLLUP(
    department,
    position
    )
ORDER BY 
    department,
    position
;"""

df_salary_dptmnt_pstn = pd.read_sql(sql_quiery, conn, index_col=['department',
                                                                         'position']
                                           )
df_salary_dptmnt_pstn


sql_quiery = \
"""
-- Создадим запрос и датафрейм со статусом занятости и зарплатными ставками по должностям, 
-- на которых работают несколько сотрудников
-- Используем его для построения сетки графиков
-- Выберем должности, на которых работают или работали несколько сотрудников, независимо от того работают ли они сейчас
-- или уволены
WITH
    PositionsSchedule AS
    (SELECT
        department,
        position,
        COUNT("Employee Number") AS empl_count
    FROM hr_dataset
    GROUP BY
        department,
        position
    ORDER BY
        department,
        position
    ),

    EmployeesBySchedule AS
    (SELECT
        department,
        position,
        "Employee Number",
        "Employee Name",
        "Employment Status",
        ROUND("Pay Rate"::numeric * 2080, 2) AS "USD per Year"
    FROM hr_dataset
    ORDER BY
        department,
        position,
        "USD per Year",
        "Employee Number"
    )
SELECT 
    *
FROM 
    PositionsSchedule
    LEFT JOIN
    EmployeesBySchedule
    USING (department, position)
;

"""
dfg_salary_over_status = pd.read_sql(sql_quiery, conn)
#dfg_salary_over_status


# Создадим сетку графиков зависимости зарплат от оценки произаводительности
# сотрудников в разрезе должностей и департаментов

g=sns.catplot(
    kind="strip",
    x="position",
    y="USD per Year",
    hue="Employment Status",
    data=dfg_salary_over_status,
    col="department",
    col_wrap=3,
    height=4.5,
    aspect = 0.8,
    palette="tab10",
    margin_titles=True, 
    sharex=False, 
    sharey=False,
    marker='D',
    s=10,
    jitter=True,
    alpha=0.9)

g.fig.suptitle(
    "Зависимость годовой заработной платы от статуса занятости сотрудников для сопостовимых должностей", 
    fontsize=16, x=0.50, y=1.03)

# Определим размер подписи оси X
g.set_xlabels(fontsize=10)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=10)
# Определим размер и поворот подписей под столбцами
g.set_xticklabels(rotation=90,fontsize=9)
# Изменим интервал между индивидуальными графиками
g.fig.subplots_adjust(hspace=0.7)
plt.show()


sql_quiery = \
"""
WITH 
schedule AS -- Выберем из hr_dataset только нужные поля и сгруппируем их по принципу действующий/уволенный
    (SELECT
        department,
        position,
        (CASE WHEN ("Employment Status" = 'Active') 
                OR ("Employment Status" = 'Leave of Absence')
                OR ("Employment Status" = 'Future Start')
            THEN 'Current'
            ELSE 'Terminated'
        END) AS status,
        ROUND("Pay Rate"::numeric * 2080, 2) as "USD per Year",
        "Date of Termination"
    FROM hr_dataset
    ),
    
terminated_schedule AS -- выберем данные о зарплате и дате увольнения сотрудников, покинувших компанию
    (SELECT
        department,
        position,
        "USD per Year",
        "Date of Termination"
    FROM
        schedule
    WHERE
        status = 'Terminated'
    ),
    
current_schedule AS -- выберем данные по действующим сотрудникам для вычисления текущей медианы зарплаты
    (SELECT 
        department,
        position,
        PERCENTILE_CONT(0.5) WITHIN GROUP(ORDER BY "USD per Year") AS "Current Median"
    FROM 
        schedule
    WHERE
        status = 'Current' AND
        position IN (SELECT
                        position
                    FROM
                        terminated_schedule)
    GROUP BY
        department,
        position       
    )
    
SELECT -- присоединим к должностям уволенных сотрудиков данные о текущей медиане зарплаты по этим должностям
    department,
    position,
    "Current Median",
    "USD per Year",
    "Date of Termination"
FROM 
    current_schedule 
    RIGHT JOIN 
    terminated_schedule
    USING(department,
        position)

;"""
dfg_term_salary_history_over_current_median = pd.read_sql(sql_quiery, conn)
dfg_term_salary_history_over_current_median


# Создадим сетку графиков зависимости зарплат от периода работы в разрезе должностей и департаментов

g=sns.relplot(
    x="Date of Termination",
    y="USD per Year",
    data=dfg_term_salary_history_over_current_median,
    col="position",
    hue="department",
    col_wrap=3,
    height=4,
    aspect = 1,
    palette="Set1",
    kind='scatter',
    facet_kws=dict(margin_titles=True, sharex=False, sharey=True, ylim=(0,150000)),
    )

# Добавим горизонтальные линии медианы и средней арифметической заработной платы
# Для этого определим функцию построения горизонтальной линии и её подписи
def median_lines(y, **kwargs):
    y=y.astype(float)
    # Построение линии медианы на основе принимаемых значений x, цвет, толщина, стиль
    plt.axhline(y.median(), color='navy', linewidth=1, linestyle='-.')
    # Создание подписи к линии медианы
    plt.annotate(
        text=f"текущая медиана {y.median()}", # Аннотация линии медианы.
        xy=(0,1),  # Положение линии (чтобы не перекрывать точки графика)
        xycoords="axes fraction",
        horizontalalignment='left',  # Выравнивание текста по горизонтали
        verticalalignment='top',  # Выравнивание текста по вертикали
        rotation=None, # Поворот подписи
        color='navy', # Цвет надписи
        alpha=1,
        fontsize=10
    )

# Определяем "разметку" для исполнения функции построения линий медианы
# Передаём функции величины возрастов 
g.map(median_lines, 'Current Median')

g.fig.suptitle("Сравнение зарплат уволенных (уволившихся) сотрудников с медианой зарплат действующх сотрудников"
               , fontsize=16, x=0.45, y=1.03)

# Определим размер подписи оси X
g.set_xlabels(fontsize=10)
# Определим размер и поворот подписей под столбцами
g.set_xticklabels(rotation=90, fontsize=9)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=10)
# Изменим интервал между индивидуальными графиками
g.fig.subplots_adjust(hspace=0.5)


plt.show()


sql_quiery = \
"""
-- Выберем должности, на которых работают несколько действующих сотрудников
-- Эта выборка нам понадобится еще несколько раз, поэтому создадим временное представление
CREATE OR REPLACE TEMP VIEW 
    PositionsWithMultActiveEmployees 
AS
    WITH
        PositionsActiveSchedule AS
        (SELECT
            department,
            position,
            COUNT("Employee Number") AS empl_count
        FROM hr_dataset
        WHERE  -- Условие, что работники действующие
            ("Employment Status" = 'Active' OR 
            "Employment Status" = 'Future Start' OR 
            "Employment Status" = 'Leave of Absence')
        GROUP BY
            department,
            position
        ORDER BY
            department,
            position
        ),
        
        EmployeesByActiveSchedule AS
        (SELECT
            department,
            position,
            "Employee Number",
            "Employee Name",
            "Employment Status"
        FROM hr_dataset
        WHERE  -- Условие, что работники действующие
            ("Employment Status" = 'Active' OR 
            "Employment Status" = 'Future Start' OR 
            "Employment Status" = 'Leave of Absence')
        ORDER BY
            department,
            position,
            "Employee Number"
        )
SELECT 
    *
FROM 
    PositionsActiveSchedule
    LEFT JOIN
    EmployeesByActiveSchedule
    USING (department, position)
WHERE 
    empl_count > 1
    ;

SELECT
    *
FROM 
    PositionsWithMultActiveEmployees
;
"""
df_PositionsWithMultActiveEmployees = pd.read_sql(sql_quiery, conn)
df_PositionsWithMultActiveEmployees


sql_quiery = \
"""
-- Создадим запрос и датафрейм со сроком и зарплатными ставками по должностям, на которых работают несколько сотрудников
-- Используем его для построения сетки графиков

WITH
EmployeesPeriodAndPayrate AS
    (SELECT
        "Employee Number",
        "Days Employed" / 360 AS "Years Employed",
        ROUND("Pay Rate"::numeric * 2080, 2) AS "USD per Year"
    FROM
        hr_dataset
    )

SELECT
    department,
    position,
    "Years Employed",
   "USD per Year"
FROM
    PositionsWithMultActiveEmployees 
    LEFT JOIN
    EmployeesPeriodAndPayrate
    USING ("Employee Number")
ORDER BY
    department,
    position,
    "Years Employed",
   "USD per Year"
;
"""
dfg_salary_over_period_position = pd.read_sql(sql_quiery, conn)
#dfg_salary_over_period_position


# Создадим сетку графиков зависимости зарплат от периода работы в разрезе должностей и департаментов

g=sns.lmplot(
    x="Years Employed",
    y="USD per Year",
    data=dfg_salary_over_period_position,
    col="department",
    hue="position",
    col_wrap=3,
    height=4,
    aspect = 1,
    palette="tab20",
    facet_kws=dict(margin_titles=True, sharex=False, sharey=False),
    )

g.fig.suptitle("Зависимость годовой заработной платы от срока работы в компании в годах", fontsize=16, x=0.45, y=1.03)

# Определим размер подписи оси X
g.set_xlabels(fontsize=10)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=10)
plt.show()


sql_quiery = \
"""
-- Создадим запрос и датафрейм с оценкой производительности и зарплатными ставками по должностям, 
-- на которых работают несколько сотрудников
-- Используем его для построения сетки графиков
-- Для этого создадим временное представление с номерами сотрудников, оценкой производительности и ставками

CREATE OR REPLACE TEMP VIEW 
    EmployeesPerformancePayrate AS
SELECT
    "Employee Number",
    "Performance Score",
    "Pay Rate"
FROM
    hr_dataset
;

SELECT
    department,
    position,
    "Performance Score",
    ROUND("Pay Rate"::numeric * 2080, 2) AS "USD per Year"
FROM
    PositionsWithMultActiveEmployees 
    LEFT JOIN
    EmployeesPerformancePayrate
    USING ("Employee Number")
ORDER BY
    department,
    position,
    "USD per Year",
    "Performance Score"
;
"""
dfg_salary_over_performance_position = pd.read_sql(sql_quiery, conn)
dfg_salary_over_performance_position


# Создадим сетку графиков зависимости зарплат от оценки произаводительности
# сотрудников в разрезе должностей и департаментов

g=sns.catplot(
    kind="strip",
    x="position",
    y="USD per Year",
    hue="Performance Score",
    data=dfg_salary_over_performance_position,
    col="department",
    col_wrap=3,
    height=4.5,
    aspect = 0.8,
    palette="tab10",
    margin_titles=True, 
    sharex=False, 
    sharey=False,
    marker='D',
    s=10,
    jitter=True,
    alpha=0.9)

g.fig.suptitle(
    "Зависимость ставок заработной платы от оценки производительности сотрудников для сопостовимых должностей", 
    fontsize=16, x=0.50, y=1.03)

# Определим размер подписи оси X
g.set_xlabels(fontsize=10)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=10)
# Определим размер и поворот подписей под столбцами
g.set_xticklabels(rotation=90,fontsize=9)
# Изменим интервал между индивидуальными графиками
g.fig.subplots_adjust(hspace=0.7)
plt.show()


sql_quiery = \
"""
-- Создадим запрос и датафрейм с источнка найма и зарплатными ставками по должностям, 
-- на которых работают несколько сотрудников
-- Используем его для построения сетки графиков
-- Для этого создадим временное представление с номерами сотрудников, источнком найма и ставками

CREATE OR REPLACE TEMP VIEW 
    EmployeesSourcePayrate AS
SELECT
    "Employee Number",
    "Employee Source",
    "Pay Rate"
FROM
    hr_dataset
;

SELECT
    department,
    position,
    "Employee Source",
    ROUND("Pay Rate"::numeric * 2080, 2) AS "USD per Year"
FROM
    PositionsWithMultActiveEmployees 
    LEFT JOIN
    EmployeesSourcePayrate
    USING ("Employee Number")
ORDER BY
    department,
    position,
    "USD per Year",
    "Employee Source"
;

"""
dfg_salary_over_source_position = pd.read_sql(sql_quiery, conn)
dfg_salary_over_source_position


# Создадим сетку графиков зависимости зарплат от источника найма
# сотрудников в разрезе должностей и департаментов

g=sns.catplot(
    kind="strip",
    x="position",
    y="USD per Year",
    hue="Employee Source",
    data=dfg_salary_over_source_position,
    col="department",
    col_wrap=3,
    height=4.5,
    aspect = 0.8,
    palette="tab20",
    margin_titles=True, 
    sharex=False, 
    sharey=False,
    marker='D',
    s=10,
    jitter=True,
    alpha=0.9)

g.fig.suptitle("Зависимость заработной платы от источника найма сотрудников для сопостовимых должностей", 
               fontsize=16, x=0.50, y=1.03)

# Определим размер подписи оси X
g.set_xlabels(fontsize=10)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=10)
# Определим размер и поворот подписей под столбцами
g.set_xticklabels(rotation=90,fontsize=9)
# Изменим интервал между индивидуальными графиками
g.fig.subplots_adjust(hspace=0.7)
plt.show()


sql_quiery = \
"""
SELECT 
    "Employee Number",
    department,
    position,
    ROUND("Pay Rate"::numeric * 2080, 2) AS "USD per Year",
    "Date of Hire"
FROM
    hr_dataset
ORDER BY
    department,
    position,
    "Date of Hire"
    
"""

dfg_ = pd.read_sql(sql_quiery, conn)
dfg_


# Создадим сетку графиков зависимости зарплат от даты найма
# в разрезе должностей и департаментов

g=sns.relplot(
    x="Date of Hire",
    y="USD per Year",
    data=dfg_,
    col="department",
    hue="position",
    col_wrap=3,
    height=4,
    aspect = 1,
    palette="tab10", # цветов меньше, чем должностей, но так как должности разбиты по департаментам, читать график легче
    kind='line',
    marker='s',
    facet_kws=dict(margin_titles=True, sharex=True, sharey=True),
    )

g.fig.suptitle("Зависимость годовой заработной платы от даты найма в разрезе подразделений и должностей", 
               fontsize=16, x=0.50, y=1.03)

# Определим размер подписи оси X
g.set_xlabels(fontsize=10)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=10)
# Определим размер и поворот подписей под столбцами
g.set_xticklabels(rotation=90,fontsize=9)
# Изменим интервал между индивидуальными графиками
g.fig.subplots_adjust(hspace=0.15)
plt.show()


sql_quiery = \
"""
WITH 
empl_source_salary_count AS
    (SELECT
        "Employee Source" AS empl_source,
        COUNT("Employee Number"),
        ROUND(AVG("Pay Rate")::numeric *2080, 2) AS "Average Salary",
        ROUND(PERCENTILE_CONT(0.5) WITHIN GROUP(ORDER BY "Pay Rate")::numeric * 2080, 2) AS "Median Salary"
    FROM hr_dataset
    GROUP BY
        "Employee Source"
    ),

empl_source_price AS
    (SELECT 
        "Employment Source" AS empl_source,
        "Total"
    FROM
    recruiting_costs
    ),

empl_count_per_source_price AS
    (SELECT 
       *
    FROM
        (empl_source_salary_count
        LEFT JOIN
        empl_source_price
        USING (empl_source)
        )
    )
SELECT 
    empl_source AS "Recruitment Source",
    count AS "Employee Count",
    "Total" AS "Total per Source",
    ROUND("Total" / (SUM(count) OVER (PARTITION BY empl_source)), 2) AS "Per Employee",
    "Average Salary",
    "Median Salary"
    
FROM
    empl_count_per_source_price
ORDER BY
    "Per Employee" DESC

"""
df_recruiting_costs_per_employee_salary = pd.read_sql(sql_quiery, conn)
df_recruiting_costs_per_employee_salary


dfg_recruiting_costs_per_employee_salary = df_recruiting_costs_per_employee_salary.dropna()
labels=dfg_recruiting_costs_per_employee_salary["Recruitment Source"].tolist()

# Установим параметры matplotlib для графиков
fig, (ax1, ax2, ax3) = plt.subplots(3, 1, figsize=(15, 8), sharex=True)
fig.suptitle("Стоимость найма в сравнении со средней и медианной зарплатой (USD)", fontsize=16, y=0.925)
# Выведем график стоимости найма одного сотрудника в зависимости от истоичника найма
sns.barplot(x="Recruitment Source", 
            y="Per Employee", 
            data=dfg_recruiting_costs_per_employee_salary,
            palette="winter", 
            ax=ax1)

ax1.set_ylabel("USD per Employee", fontsize=10)
ax1.set_yscale('log') # для читаемости установим логарифмическую шкалу
ax1.set_xlabel(None) # уберём подпись под осью X для графика ax1

# Выведем график средней годовой зарплаты сотрудников в зависимости от истоичника найма
sns.barplot(x="Recruitment Source", 
            y="Average Salary", 
            data=dfg_recruiting_costs_per_employee_salary, 
            palette="cool", 
            ax=ax2)
ax2.set_ylabel("Average Salary per Year, USD", fontsize=10)
ax2.set_xlabel(None) # уберём подпись под осью X для графика ax2

# Выведем график медианы годовой зарплаты сотрудников в зависимости от истоичника найма
sns.barplot(x="Recruitment Source", 
            y="Median Salary", 
            data=dfg_recruiting_costs_per_employee_salary,
            palette="summer", 
            ax=ax3)
ax3.set_ylabel("Median Salary per Year, USD", fontsize=10)
ax3.set_xticklabels(labels = labels, rotation=90,fontsize=10)  # установим шкалу X c поворотом и размер её обозначений

# Построение линии средней для расходов на наём 1 сотрудника на основе принимаемых значений y, цвет, толщина, стиль
# Средний расход на привлечение 1 сотрудника по всем источникам:
y=dfg_recruiting_costs_per_employee_salary["Total per Source"].sum()/ \
dfg_recruiting_costs_per_employee_salary["Employee Count"].sum()

ax1.axhline(y, 
            color='maroon', 
            linewidth=1.0, 
            linestyle='-.')

# Создание подписи к линии 
ax1.annotate(
    text=f"средняя стоимость найма одного сотрудника: USD {y:,.1f}", # Аннотация линии средней.
    xy=(17, y-75),  # Положение подписи в единицах шкал графика
    xycoords="data", # система координат для xy задана от левого нижнего угла в долях полотна графика
    horizontalalignment='center',  # Выравнивание текста по горизонтали
    verticalalignment='center',  # Выравнивание текста по вертикали
    rotation="horizontal", # Поворот подписи
    color='maroon', # Цвет надписи
    alpha=1,
    fontsize=10)

# Построение линии медианы для расходов на наём 1 сотрудника на основе принимаемых значений y, цвет, толщина, стиль
# Рассчитаем медиану средней стоимости найма по взвешенным величинам (по  количеству нанятых сотрудников)
df_calc=df_recruiting_costs_per_employee_salary[["Employee Count", "Per Employee"]].fillna(0)
df_calc=df_calc.sort_values('Employee Count')
cumsum = df_calc['Employee Count'].cumsum()
cutoff = df_calc['Employee Count'].sum() / 2.0
median = df_calc["Per Employee"]
median = median[cumsum >= cutoff]
median = median.iloc[0]
y=median
ax1.axhline(y, 
            color='indigo', 
            linewidth=1, 
            linestyle='--')

# Создание подписи к линии 
ax1.annotate(
    text=f"медианная стоимость найма одного сотрудника: USD {y:,.1f}", # Аннотация линии средней.
    xy=(12, y+100),  # Положение подписи в единицах шкал графика
    xycoords="data", # система координат для xy задана от левого нижнего угла в долях полотна графика
    horizontalalignment='center',  # Выравнивание текста по горизонтали
    verticalalignment='center',  # Выравнивание текста по вертикали
    rotation="horizontal", # Поворот подписи
    color='indigo', # Цвет надписи
    alpha=1,
    fontsize=10)


plt.show()


sql_quiery = \
"""
-- Создадим запросы и датафрейм с заработной платой в годовом исчислении и KPI
CREATE OR REPLACE TEMPORARY VIEW
    kpi_s AS
    SELECT
        "Employee Name",
        "Position",
        'Abutments/Hour Wk 1' AS "KPI_Name",
        "Abutments/Hour Wk 1" AS "KPI_Value"
    FROM 
        production_staff
    UNION ALL
    SELECT
        "Employee Name",
        "Position",
        'Abutments/Hour Wk 2' AS "KPI_Name",
        "Abutments/Hour Wk 2" AS "KPI_Value"
    FROM 
        production_staff
    UNION ALL
    SELECT
        "Employee Name",
        "Position",
        'Daily Error Rate' AS "KPI_Name",
        "Daily Error Rate" AS "KPI_Value"
    FROM 
        production_staff
    UNION ALL
    SELECT
        "Employee Name",
        "Position",
        '90-day Complaints' AS "KPI_Name",
        "90-day Complaints" AS "KPI_Value"
    FROM 
        production_staff
;
        
WITH
Salary AS
    (SELECT
        "Employee Name",
        "Employee Number",
        ROUND("Pay Rate"::numeric * 2080, 2) AS "USD per Year"
    FROM 
        hr_dataset
    WHERE 
        rtrim(department, ' ') = 'Production'
    )
    
SELECT 
    *
FROM
    kpi_s
    INNER JOIN
    Salary
    USING ("Employee Name")
WHERE "Position"<>'Production Manager'

ORDER BY 
    "Position",
    "USD per Year",
    "Employee Name",
    "KPI_Name"
    
"""

dfg_salary_over_production_KPI = pd.read_sql(sql_quiery, conn)
dfg_salary_over_production_KPI


# Список KPIs:
kpi_list=["Abutments/Hour Wk 1", "Abutments/Hour Wk 2", "90-day Complaints", "Daily Error Rate"]
# Выведем график зависимости зарплаты и KPI
g=sns.lmplot(data=dfg_salary_over_production_KPI,
             x="KPI_Value", 
             y="USD per Year", 
             hue="Position",
             col="KPI_Name",
             col_order=kpi_list,
             col_wrap=2,
             palette="tab10",
             height=4,
             aspect=1,
             facet_kws=dict(sharex=False, sharey=True)
            )

g.fig.suptitle("Взаимозависимость годовой заработной платы и KPI в подразделении Production (линейная регрессия)", 
               fontsize=16, y=1.05)
# Определим размер подписи оси X
g.set_xlabels(fontsize=10)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=10)

plt.show()


sql_quiery = \
"""
-- выберем необходимые данные из hr_dataset

CREATE OR REPLACE TEMPORARY VIEW 
salary_age_schedule AS
    (SELECT
        age,
        "Employee Number",
        ROUND("Pay Rate"::numeric*2080, 2) AS "USD per Year"
    FROM 
        hr_dataset
    WHERE  -- Условие, что работники действующие
        "Employment Status" = 'Active' OR 
        "Employment Status" = 'Future Start' OR 
        "Employment Status" = 'Leave of Absence'
    ORDER BY
        age
    )
;

(SELECT 
    age,
    COUNT("Employee Number") AS "empl_count",
    SUM("USD per Year") AS total_per_year,
    MIN("USD per Year") AS min_per_year,
    PERCENTILE_CONT(0.5) WITHIN GROUP(ORDER BY "USD per Year") AS median_per_year,
    MAX("USD per Year") AS max_per_year,
    ROUND(AVG("USD per Year"), 2) AS avg_per_year
FROM
    salary_age_schedule
GROUP BY
    age
)
UNION ALL
(SELECT 
    '0' AS Total,
    COUNT("Employee Number") AS "empl_count",
    SUM("USD per Year") AS total_per_year,
    MIN("USD per Year") AS min_per_year,
    PERCENTILE_CONT(0.5) WITHIN GROUP(ORDER BY "USD per Year") AS median_per_year,
    MAX("USD per Year") AS max_per_year,
    AVG("USD per Year") AS avg_per_year
FROM 
    salary_age_schedule
)
"""

df_salary_over_age = pd.read_sql(sql_quiery, conn)
df_salary_over_age


dfg_salary_over_age = df_salary_over_age[:-1]
# Выведем график зависимости возраста и возрастной медианой зарплаты
g=sns.lmplot(x="age", 
            y="median_per_year", 
            palette="Accent",
            height=6, 
            data=df_salary_over_age)
g.fig.suptitle("Зависимость возрастной медианы зарплаты, USD в год, от возраста (линейная регрессия)", 
               fontsize=16, y=1.05)
# Определим размер подписи оси X
g.set_xlabels(fontsize=9)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=9)
plt.show()


sql_quiery = \
"""
SELECT
    *
FROM 
    salary_age_schedule
ORDER BY
    age

"""

df_ind_salary_over_age = pd.read_sql(sql_quiery, conn)
df_ind_salary_over_age

# Выведем график зависимости возраста и медианной ставки зарплаты
g=sns.lmplot(x="age", 
            y="USD per Year", 
            palette="Set1",
            height=6, 
            data=df_ind_salary_over_age)
g.fig.suptitle("Зависимость индивидуальных годовых зарплат в USD от возраста (линейная регрессия)", 
               fontsize=16, y=1.05)
# Определим размер подписи оси X
g.set_xlabels(fontsize=9)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=9)
plt.show()


sql_quiery = \
"""
-- Создадим запрос и датафрейм с возрастом и зарплатными ставками по должностям, на которых работают несколько сотрудников
-- Используем его для построения сетки графиков
-- Для этого используем созданные ранее временные представления с номерами сотрудников, возрастом и ставками, 
-- а также с должностями, на которых работают несколько сотрудников

SELECT
    department,
    position,
    age,
   "USD per Year"
FROM
    PositionsWithMultActiveEmployees 
    LEFT JOIN
    salary_age_schedule
    USING ("Employee Number")
ORDER BY
    department,
    position,
    age,
   "USD per Year"
;

"""
dfg_salary_over_positions_age = pd.read_sql(sql_quiery, conn)
#dfg_salary_over_positions_age


# Создадим сетку графиков зависимости зарплат от возраста по должостям

g=sns.lmplot(
    x="age",
    y="USD per Year",
    data=dfg_salary_over_positions_age,
    col="department",
    hue="position",
    col_wrap=3,
    height=4,
    aspect = 1,
    palette="tab20",
    facet_kws=dict(margin_titles=True, sharex=True, sharey=True),
    )

g.fig.suptitle("Зависимость годовой заработной платы от возраста сотрудников в разрезе подразделений и должностей", 
               fontsize=16, x=0.45, y=1.03)

# Определим размер подписи оси X
g.set_xlabels(fontsize=10)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=10)
plt.show()


sql_quiery = \
"""
-- Создадим запрос и датафрейм с признаком пола и зарплатными ставками по должностям, 
-- на которых работают несколько сотрудников
-- Используем его для построения сетки графиков
-- Для этого создадим подзапрос с номерами сотрудников, полом и ставками

WITH
EmployeesSexAndPayrate AS
    (SELECT
        "Employee Number",
        sex,
        ROUND("Pay Rate"::numeric * 2080, 2) AS "USD per Year"
    FROM
        hr_dataset
    )

SELECT
    department,
    position,
    sex,
   "USD per Year"
FROM
    PositionsWithMultActiveEmployees 
    LEFT JOIN
    EmployeesSexAndPayrate
    USING ("Employee Number")
ORDER BY
    department,
    position,
    sex,
   "USD per Year"
;

"""
dfg_salary_over_sex_positions = pd.read_sql(sql_quiery, conn)
dfg_salary_over_sex_positions


# Создадим сетку графиков зависимости зарплат от пола сотрудников работы в разрезе должностей и департаментов

g=sns.catplot(
    kind="violin",
    x="position",
    y="USD per Year",
    hue="sex",
    data=dfg_salary_over_sex_positions,
    col="department",
    col_wrap=3,
    height=4.5,
    aspect = 0.8,
    palette="Pastel1",
    margin_titles=True, 
    sharex=False, 
    sharey=False,
    split=True
    )

g.fig.suptitle("Зависимость гдовой заработной платы от пола сотрудников для сопостовимых должностей", 
               fontsize=16, x=0.50, y=1.03)

# Определим размер подписи оси X
g.set_xlabels(fontsize=10)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=10)
# Определим размер и поворот подписей под столбцами
g.set_xticklabels(rotation=90,fontsize=9)
# Изменим интервал между индивидуальными графиками
g.fig.subplots_adjust(hspace=0.7)
plt.show()


sql_quiery = \
"""
-- Создадим запрос и датафрейм с признаком семейного положения и зарплатными ставками по должностям, 
-- на которых работают несколько сотрудников
-- Используем его для построения сетки графиков

WITH
EmployeesMaritalAndPayrate AS
    (SELECT
        "Employee Number",
        maritaldesc,
        ROUND("Pay Rate"::numeric * 2080, 2) AS "USD per Year"
    FROM
        hr_dataset
    )

SELECT
    department,
    position,
    maritaldesc,
   "USD per Year"
FROM
    PositionsWithMultActiveEmployees 
    LEFT JOIN
    EmployeesMaritalAndPayrate
    USING ("Employee Number")
ORDER BY
    department,
    position,
    "USD per Year",
    maritaldesc
;

"""
dfg_salary_over_marital = pd.read_sql(sql_quiery, conn)
dfg_salary_over_marital


# Создадим сетку графиков зависимости зарплат от от семейного положения сотрудников в разрезе должностей и департаментов

g=sns.catplot(
    kind="strip",
    x="position",
    y="USD per Year",
    hue="maritaldesc",
    data=dfg_salary_over_marital,
    col="department",
    col_wrap=3,
    height=4.5,
    aspect = 0.8,
    palette="tab10",
    margin_titles=True, 
    sharex=False, 
    sharey=False,
    marker='D',
    s=10,
    jitter=True,
    alpha=0.5)

g.fig.suptitle("Зависимость годовой заработной платы от семейного положения сотрудников для сопостовимых должностей", 
               fontsize=16, x=0.50, y=1.03)

# Определим размер подписи оси X
g.set_xlabels(fontsize=10)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=10)
# Определим размер и поворот подписей под столбцами
g.set_xticklabels(rotation=90,fontsize=9)
# Изменим интервал между индивидуальными графиками
g.fig.subplots_adjust(hspace=0.7)
plt.show()


sql_quiery = \
"""
-- Создадим запрос и датафрейм с признаком национальной принадлежности и зарплатными ставками по должностям, 
-- на которых работают несколько сотрудников
-- Используем его для построения сетки графиков
-- Для этого создадим подзапрос с номерами сотрудников, расово-этнической принадлежностью и ставками

WITH
EmployeesNationAndPayrate AS
    (SELECT
        "Employee Number",
        racedesc,
        ROUND("Pay Rate"::numeric * 2080,  2) AS "USD per Year"
    FROM
        hr_dataset
    )
    
SELECT
    department,
    position,
    racedesc,
   "USD per Year"
FROM
    PositionsWithMultActiveEmployees 
    LEFT JOIN
    EmployeesNationAndPayrate
    USING ("Employee Number")
ORDER BY
    department,
    position,
    "USD per Year",
    racedesc
;

"""
dfg_salary_over_nation = pd.read_sql(sql_quiery, conn)
dfg_salary_over_nation


# Создадим сетку графиков зависимости зарплат от расово-этнической принадлежности
# сотрудников в разрезе должностей и департаментов

g=sns.catplot(
    kind="strip",
    x="position",
    y="USD per Year",
    hue="racedesc",
    data=dfg_salary_over_nation,
    col="department",
    col_wrap=3,
    height=4.5,
    aspect = 0.8,
    palette="Set1",
    margin_titles=True, 
    sharex=False, 
    sharey=False,
    marker='D',
    s=10,
    jitter=True,
    alpha=0.75)

g.fig.suptitle(
    "Зависимость годовой заработной платы от расово-этнической принадлжености сотрудников для сопостовимых должностей", 
               fontsize=16, x=0.50, y=1.03)

# Определим размер подписи оси X
g.set_xlabels(fontsize=10)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=10)
# Определим размер и поворот подписей под столбцами
g.set_xticklabels(rotation=90,fontsize=9)
# Изменим интервал между индивидуальными графиками
g.fig.subplots_adjust(hspace=0.7)
plt.show()


# Создадим таблицу для анализа расределения сроков работы в компании по статутсам занятости. 
 
sql_quiery = \
"""
WITH
status_term_schedule AS
    (SELECT
        "Employment Status",
        ROUND("Days Employed"::numeric / 360, 1) AS "Years Employed",
        COUNT("Employee Number") AS empl_count
    FROM
        hr_dataset
    GROUP BY
        "Employment Status",
        "Years Employed"
    ORDER BY
        "Employment Status",
        "Years Employed"
    ),
    
status_median_term AS    
    (SELECT
        "Employment Status",
        PERCENTILE_CONT(0.5) WITHIN GROUP(ORDER BY "Years Employed") AS median_term
    FROM
        status_term_schedule
    GROUP BY
        "Employment Status"
    )   

SELECT
    "Employment Status",
    empl_count,
    median_term,
    "Years Employed"
FROM
    status_term_schedule
    LEFT JOIN
    status_median_term
    USING("Employment Status")
;
"""

dfg_term_over_status = pd.read_sql(sql_quiery, conn)
dfg_term_over_status


# Создадим график распределения сотрудников по сроку работы в компании в годах c разбивкой по статусам занятости
g=sns.displot(data=dfg_term_over_status,
              x="Years Employed",
              hue="Employment Status",
              hue_order=["Active","Leave of Absence", "Future Start", "Voluntarily Terminated", "Terminated for Cause"],
              col="Employment Status",
              col_order=["Active","Leave of Absence", "Future Start", "Voluntarily Terminated", "Terminated for Cause"],
              col_wrap=2,
              multiple="layer",
              element="step",
              binwidth=0.25,
              height=4,
              aspect=1.75,
              palette="Dark2",
              facet_kws=dict(sharex=True,
                             sharey=True)
             )

# Определяем шкалу X:
scale_step = 1 # Определяем шаг шкалы X - его можно менять!
# Определяем основной диапазон шкалы
scale_span = list(range((int(dfg_term_over_status['Years Employed'].min() / scale_step) * scale_step), 
                        int(dfg_term_over_status['Years Employed'].max()), 
                        scale_step))
# При неоходимости дополняем первый и послдений элементы к шкале (если они не вошли в шкалу ранее)
if dfg_term_over_status['Years Employed'].min() < scale_span[0]:
    scale_span = ([dfg_term_over_status['Years Employed'].min()] + scale_span)
if dfg_term_over_status['Years Employed'].max() > scale_span[-1]:
    scale_span = scale_span + [dfg_term_over_status['Years Employed'].max()] 

plt.xticks(ticks=scale_span, fontsize=14, rotation=0)  # установим шкалу X и размер её обозначений 
plt.yticks(ticks=[0,1,2,3],fontsize=14)  # Установим шаг и размер обозначения для шкалы Y

g.set_xlabels(fontsize=16)  # Размер подписей шкалы X
g.set_ylabels(fontsize=16)  # Размер подписей шкалы Y

# Заголовок графика:
g.fig.suptitle("Распеределение сроков работы в компании по статусам занятости", fontsize=20, y=1.0125)

# Добавим вертикальные линии медианы и средней арифметической срока работы в компании
# Для этого определим функцию построения вертикальлной линии и её подписи
def years_employed_lines(x, **kwargs):
    # Построение линии медианы на основе принимаемых значений x, цвет, толщина, стиль
    plt.axvline(x.unique()[0], color='navy', linewidth=2, linestyle=':')
    # Создание подписи к линии медианы
    plt.annotate(
        text=f"медиана {x.unique()[0]}", # Аннотация линии медианы.
        xy=(x.unique()[0]-0.15, 2),  # Положение подписи в единицах шкал графика
        horizontalalignment='center',  # Выравнивание текста по горизонтали
        verticalalignment='top',  # Выравнивание текста по вертикали
        rotation="vertical", # Поворот подписи
        color='navy', # Цвет надписи
        alpha=1,
        fontsize=12
    )

# Определяем "разметку" для исполнения функции построения линий
# Передаём функции величины возрастов 
g.map(years_employed_lines, 'median_term')
plt.show()


# Создадим таблицу для исследования зависимостей продолжительности работы в компаниии и занимаемой должности 
 
sql_quiery = \
"""
SELECT
    COALESCE(department, '[TOTAL]') as department,
    COALESCE(position, '[SUBTOTAL department]') AS position,
    COUNT("Employee Number"),
    ROUND(MIN("Days Employed")::numeric / 360, 2) AS min_years_empld,
    ROUND(PERCENTILE_CONT(0.5) WITHIN GROUP(ORDER BY "Days Employed")::numeric / 360, 2) AS median_years_empld,
    ROUND(MAX("Days Employed")::numeric / 360, 2) AS max_years_empld,
    ROUND(AVG("Days Employed")::numeric / 360, 2) AS avg_years_empld
FROM
    hr_dataset
WHERE  -- Условие, что работники действующие
    "Employment Status" = 'Active' OR 
    "Employment Status" = 'Future Start' OR 
    "Employment Status" = 'Leave of Absence'

GROUP BY ROLLUP(
    department,
    position
    )
;
"""

df_term_over_dptmnt_pstn = pd.read_sql(sql_quiery, conn, index_col=['department', 'position'])
df_term_over_dptmnt_pstn


# Создадим таблицу для исследования зависимостей продолжительности работы в компаниии и источника найма 
 
sql_quiery = \
"""
WITH 
term_source AS
    (SELECT
        "Employee Source",
        ROUND("Days Employed"::numeric / 360, 1) AS "Years Employed",
        COUNT("Employee Number") AS empl_count
    FROM
        hr_dataset
    GROUP BY 
        "Employee Source",
        "Days Employed"
    ORDER BY
        "Employee Source",
        "Days Employed"
    ),
term_source_median AS
    (SELECT
        "Employee Source",
        ROUND(PERCENTILE_CONT(0.5) WITHIN GROUP (ORDER BY "Years Employed")::numeric, 1)  AS "term_median"
    FROM
        term_source
    GROUP BY 
        "Employee Source"
    )
    
SELECT 
    * 
FROM 
    term_source
    LEFT JOIN
    term_source_median
    USING ("Employee Source")
;
"""

dfg_term_over_source = pd.read_sql(sql_quiery, conn)
dfg_term_over_source


# Создадим график распределения сроков работы в компании в зависимости от источников найма
g=sns.displot(data=dfg_term_over_source,
              x="Years Employed",
              hue="Employee Source",
              col="Employee Source",
              col_wrap=2,
              binwidth=0.25,
              height=3,
              aspect=2,
              palette="Paired",
#              multiple="layer",
#              element="step",
              alpha=1,
              facet_kws=dict(sharex=True, sharey=True)
              )

# Определяем шкалу X:
scale_step = 1 # Определяем шаг шкалы X - его можно менять!
# Определяем основной диапазон шкалы
scale_span = list(range((int(dfg_term_over_status['Years Employed'].min() / scale_step) * scale_step), 
                        int(dfg_term_over_status['Years Employed'].max()), 
                        scale_step))
# При неоходимости дополняем первый и послдений элементы к шкале (если они не вошли в шкалу ранее)
if dfg_term_over_status['Years Employed'].min() < scale_span[0]:
    scale_span = ([dfg_term_over_status['Years Employed'].min()] + scale_span)
if dfg_term_over_status['Years Employed'].max() > scale_span[-1]:
    scale_span = scale_span + [dfg_term_over_status['Years Employed'].max()] 


plt.xticks(ticks=scale_span, fontsize=10, rotation=0)  # установим шкалу X и размер её обозначений 
plt.yticks(ticks=list(range(0,5,1)), fontsize=10)  # Установим шаг и размер обозначения для шкалы Y

g.set_xlabels(fontsize=12)  # Размер подписей шкалы X
g.set_ylabels(fontsize=12)  # Размер подписей шкалы Y

# Заголовок графика:
g.fig.suptitle("Распределение сроков работы в компании в зависимости от источников найма", 
               fontsize=20, x=0.4125, y=1.0125)

# Добавим вертикальные линии медианы и средней арифметической срока работы в компании
# Для этого определим функцию построения вертикальлной линии и её подписи
def years_employed_lines(x, **kwargs):
    # Построение линии медианы на основе принимаемых значений x, цвет, толщина, стиль
    plt.axvline(x.unique()[0], color='navy', linewidth=2, linestyle=':')
    # Создание подписи к линии медианы
    plt.annotate(
        text=f"медиана {x.unique()[0]}", # Аннотация линии медианы.
        xy=(x.unique()[0]-0.15, 3.5),  # Положение подписи в единицах шкал графика
        horizontalalignment='center',  # Выравнивание текста по горизонтали
        verticalalignment='top',  # Выравнивание текста по вертикали
        rotation="vertical", # Поворот подписи
        color='navy', # Цвет надписи
        alpha=1,
        fontsize=12
    )

# Определяем "разметку" для исполнения функции построения линий
# Передаём функции величины возрастов 
g.map(years_employed_lines, 'term_median')
plt.show()


# Создадим DF для исследования распределения сроков работы в компаниии по дате найма 
sql_quiery = \
"""
WITH
term_dates AS
    (SELECT
        "Date of Hire",
        ROUND("Days Employed"::numeric / 360, 1) AS "Years Employed"
    FROM
        hr_dataset
    ORDER BY
        "Date of Hire"
    ),
minimax_term_dates AS
    (SELECT
        "Date of Hire",
        MIN("Years Employed") AS "Min Years Employed",
        MAX("Years Employed") AS "Max Years Employed"
    FROM 
        term_dates
    GROUP BY
        "Date of Hire"
    )

SELECT
    *
FROM
    term_dates
    LEFT JOIN
    minimax_term_dates
    USING ("Date of Hire")
;
"""

dfg_term_over_date_hire = pd.read_sql(sql_quiery, conn, index_col="Date of Hire")
dfg_term_over_date_hire


# Создадим график зависимости срока работы в компании от месяца и года найма

g=sns.relplot(data=dfg_term_over_date_hire,
#              x="Date of Hire",
#              y="Years Employed",
              height=5,
              aspect=2.5,
              palette="tab10",
              alpha=1,
#              ci=True,
              kind="line",
#              marker='o'
             )
# Определим шкалу как временной диапазон в формате Pandas с квартальными интервалами (для читаемости):
scale_span = pd.date_range(start=dfg_term_over_date_hire.index.min(),
                           end= dfg_term_over_date_hire.index.max(),
                           freq='QS').tolist()

plt.xticks(ticks=scale_span, fontsize=12, rotation=90)  # установим шкалу X и размер её обозначений 
plt.yticks(fontsize=14)  # Установим размер обозначения для шкалы Y

# Определим формат подписей шкалы как YYYY-MM 
g.axes[0,0].xaxis.set_major_formatter(mpl.dates.DateFormatter('%Y-%m'))

g.set_xlabels("Month of hire", fontsize=14)  # Размер подписей шкалы X
g.set_ylabels("Years Employed", fontsize=14)  # Размер подписей шкалы Y

# Обозначим отдельным цветом "критичные" части графика
g.axes[0,0].axvspan("2010-03", "2011-12", facecolor="gold", alpha=0.5)
g.axes[0,0].axvspan("2012-03", "2012-10", facecolor="gold", alpha=0.5)
g.axes[0,0].axvspan("2013-01", "2014-10", facecolor="gold", alpha=0.5)

def delta_unix(y, m, d): # функция вычисления количества дней с начала эпохи UNIX
    n = dt.datetime(y, m, d) - dt.datetime(1970, 1, 1)
    return n.days

# Для временной шкалы X координаты в формате float определяются как число дней с 01-01-1970
g.axes[0,0].axline((delta_unix(2006,1,1), 7.25), 
                   (delta_unix(2013,6,1), 0), 
                   color='crimson')
g.axes[0,0].axline((delta_unix(2009,10,1), 5.5), 
                   (delta_unix(2015,10,1), 0), 
                   color='darkblue',
                   linestyle='-.')

# Заголовок графика:
g.fig.suptitle("Зависимость срока работы в компании от месяца найма", fontsize=16, x=0.45, y=1.025)
plt.show()


# Создадим DF для исследования распределения сроков работы в компаниии по дате увольнения

sql_quiery = \
"""
WITH
term_dates AS
    (SELECT
        "Date of Termination",
        ROUND("Days Employed"::numeric / 360, 1) AS "Years Employed"
    FROM
        hr_dataset
    WHERE
        "Employment Status" = 'Voluntarily Terminated' OR 
        "Employment Status" = 'Terminated for Cause' 
    ORDER BY
        "Date of Termination"
    ),
minimax_term_dates AS
    (SELECT
        "Date of Termination",
        MIN("Years Employed") AS "Min Years Employed",
        MAX("Years Employed") AS "Max Years Employed"
    FROM 
        term_dates
    GROUP BY
        "Date of Termination"
    )

SELECT
    *
FROM
    term_dates
    LEFT JOIN
    minimax_term_dates
    USING ("Date of Termination")
;
"""

dfg_term_over_dt_termination = pd.read_sql(sql_quiery, conn, index_col="Date of Termination")
dfg_term_over_dt_termination


# Создадим график зависимости срока работы в компании от месяца и года увольнения

g=sns.relplot(data=dfg_term_over_dt_termination,
              height=5,
              aspect=2.5,
              palette="tab10_r",
              alpha=1,
              kind="line",
              marker='o'
             )
# Определим шкалу как временной диапазон в формате Pandas с квартальными интервалами (для читаемости):
scale_span = pd.date_range(start=dfg_term_over_dt_termination.index.min(),
                           end= dfg_term_over_dt_termination.index.max(),
                           freq='QS').tolist()

plt.xticks(ticks=scale_span, fontsize=12, rotation=90)  # установим шкалу X и размер её обозначений 
plt.yticks(fontsize=14)  # Установим размер обозначения для шкалы Y

# Определим формат подписей шкалы как YYYY-MM 
g.axes[0,0].xaxis.set_major_formatter(mpl.dates.DateFormatter('%Y-%m'))

g.set_xlabels("Month of hire", fontsize=14)  # Размер подписей шкалы X
g.set_ylabels("Years Employed", fontsize=14)  # Размер подписей шкалы Y

# Обозначим отдельным цветом "критичные" части графика
g.axes[0,0].axvspan("2015-03", "2016-07", facecolor="deeppink", alpha=0.25)

def delta_unix(y, m, d): # функция вычисления количества дней с начала эпохи UNIX
    n = dt.datetime(y, m, d) - dt.datetime(1970, 1, 1)
    return n.days

# Для временной шкалы X координаты в формате float определяются как число дней с 01-01-1970
g.axes[0,0].axline((delta_unix(2011,1,1), 0), 
                   (delta_unix(2016,6,1), 5.5), 
                   color='crimson')
g.axes[0,0].axline((delta_unix(2015,3,1), 0), 
                   (delta_unix(2016,7,1), 1.2),
                   color='midnightblue',
                   linestyle='-.')


# Заголовок графика:
g.fig.suptitle("Зависимость срока работы в компании от месяца увольнения", fontsize=16, x=0.45, y=1.025)
plt.show()


# Создадим DF для исследования зависимости сроков работы в компаниии от удельных затрат на наём 
sql_quiery = \
"""
WITH
employee_selection AS
    (SELECT
        --"Employee Number",
        (ROUND(AVG("Days Employed"::numeric) / 360, 1)) AS avg_years_employed,
        "Employee Source" AS empl_source
    FROM
        hr_dataset
    GROUP BY
        "Employee Source"
    ),
    
employee_count_per_source AS
    (SELECT
        COUNT("Employee Number") AS empl_count,
        "Employee Source" AS empl_source
    FROM
        hr_dataset
    GROUP BY
        "Employee Source"
    ),
        
empl_source_price AS
    (SELECT 
        "Employment Source" AS empl_source,
        "Total"
    FROM
        recruiting_costs
    ),
    
empl_price_and_term AS
    (SELECT
        empl_source,
        ROUND("Total"::numeric/empl_count, 2) AS avg_employee_price,
        avg_years_employed,
        empl_count
    FROM
        (employee_count_per_source 
            LEFT JOIN
        empl_source_price
            USING (empl_source)
        )
            LEFT JOIN
        employee_selection
            USING (empl_source)
    )
    
SELECT 
    CONCAT(empl_source, ': $', avg_employee_price) AS empl_source,
    avg_employee_price,
    avg_years_employed,
    empl_count
FROM
    empl_price_and_term
ORDER BY 
    avg_employee_price DESC

;
"""

dfg_term_over_source_price = pd.read_sql(sql_quiery, conn).dropna()
dfg_term_over_source_price


# Построим график соответствия средних сроков работы в компании и удельной цены привлечения одного сотрудника
g=sns.relplot(
    data=dfg_term_over_source_price[dfg_term_over_source_price.avg_employee_price <= 2000],
    x="avg_years_employed",
    y="avg_employee_price",
    hue="empl_source",
    size="empl_count",
    height=6,
    aspect=1.75,
    palette="tab20",
    legend='auto',
    )

# Заголовок графика:
g.fig.suptitle(f"Соотвествие дат средних сроков работы в компании и удельной цены привелчения одного сотрудника \n"
               f"(кроме цены свыше $2000)", 
               fontsize=16, x=0.5, y=1.075)
plt.show()


sql_quiery = \
"""
SELECT
    department,
    age AS "Age in years",
    "Days Employed"
FROM
    hr_dataset
WHERE  -- Условие, что работники действующие
    "Employment Status" = 'Active' OR 
    "Employment Status" = 'Future Start' OR 
    "Employment Status" = 'Leave of Absence'
ORDER BY
    department
"""

dfg_age_term_dependance = pd.read_sql(sql_quiery, conn)
# dfg_age_term_dependance


# Выведем график зависимости возраста и срока работы
g=sns.relplot(x="Age in years", 
            y="Days Employed", 
            hue="department", 
            alpha=1.0, 
            palette="Set1",
            height=6, 
            data=dfg_age_term_dependance)
g.fig.suptitle("Зависимость срока работы в компании от возраста сотрудников в разрезе подразделений", fontsize=16, y=1.05)
# Определим размер подписи оси X
g.set_xlabels(fontsize=9)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=9)
plt.show()


sql_quiery = \
"""
SELECT
    department,
    age AS "Age in years",
    "Days Employed"
FROM
    hr_dataset
WHERE  -- Условие, что работники действующие
    "Employment Status" = 'Active' OR 
    "Employment Status" = 'Future Start' OR 
    "Employment Status" = 'Leave of Absence'
ORDER BY
    department
"""

dfg_age_term_dependance = pd.read_sql(sql_quiery, conn)
# dfg_age_term_dependance


# Выведем график зависимости возраста и срока работы
g=sns.lmplot(x="Age in years", 
            y="Days Employed", 
            hue="department", 
            palette="Set1",
            height=6, 
            data=dfg_age_term_dependance,
            facet_kws=dict(ylim=(0,4500)))
g.fig.suptitle("Зависимость срока работы в компании от возраста сотрудников по подразделениям (линейная регрессия)", 
               fontsize=16, y=1.05)
# Определим размер подписи оси X
g.set_xlabels(fontsize=9)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=9)
plt.show()


sql_quiery = \
"""
SELECT
    ROUND("Days Employed"::numeric / 360, 1) AS "Years Employed",
    sex,
    COUNT("Employee Number") AS empl_count
FROM
    hr_dataset
WHERE  -- Условие, что работники действующие
    "Employment Status" = 'Active' OR 
    "Employment Status" = 'Future Start' OR 
    "Employment Status" = 'Leave of Absence'
GROUP BY
    ROUND("Days Employed"::numeric / 360, 1),
    sex
ORDER BY
    ROUND("Days Employed"::numeric / 360, 1) DESC
    
;
"""

dfg_term_over_sex = pd.read_sql(sql_quiery, conn)
#dfg_term_over_sex


# Выведем график зависимости возраста и срока работы
g=sns.lmplot(x="Years Employed", 
            y="empl_count", 
            hue="sex", 
            palette="seismic",
            height=6, 
            data=dfg_term_over_sex,
            )
g.fig.suptitle("Зависимость срока работы в компании от пола для действующих сотрудников (линейная регрессия)", 
               fontsize=16, y=1.05) 

# Определим размер подписи оси X
g.set_xlabels(fontsize=9)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=9)
plt.show()


sql_quiery = \
"""
SELECT
    ROUND("Days Employed"::numeric / 360, 1) AS "Years Employed",
    sex,
    "Employee Number"
FROM
    hr_dataset
WHERE  -- Условие, что работники действующие
    "Employment Status" = 'Active' OR 
    "Employment Status" = 'Future Start' OR 
    "Employment Status" = 'Leave of Absence'
GROUP BY
    "Employee Number",
    "Days Employed",
    sex
ORDER BY
    "Days Employed"
    
;
"""

dfg_term_over_sex1 = pd.read_sql(sql_quiery, conn)
#dfg_term_over_sex1


# Выведем график зависимости пола и срока работы
g=sns.catplot(x="sex", 
              y="Years Employed", 
              hue="sex", 
              palette="seismic_r",
              height=6, 
              data=dfg_term_over_sex1,
              saturation=0.5,
              kind='boxen',
              dodge=False,
              k_depth='proportion'
            )
# Определим заголовок 
g.fig.suptitle("Зависимость срока работы в компании от пола для действующих сотрудников (распределение)", 
               fontsize=16, y=1.05) 
# Определим размер подписи оси X
g.set_xlabels(fontsize=16)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=16)
plt.show()


sql_quiery = \
"""
SELECT
    ROUND("Days Employed"::numeric / 360, 1) AS "Years Employed",
    racedesc,
    COUNT("Employee Number") AS empl_count
FROM
    hr_dataset
WHERE  -- Условие, что работники действующие
    "Employment Status" = 'Active' OR 
    "Employment Status" = 'Future Start' OR 
    "Employment Status" = 'Leave of Absence'
GROUP BY
    ROUND("Days Employed"::numeric / 360, 1),
    racedesc
ORDER BY
    ROUND("Days Employed"::numeric / 360, 1) DESC
    
;
"""

dfg_term_over_race = pd.read_sql(sql_quiery, conn)
#dfg_term_over_race


# Выведем график зависимости расово-этнической принедлжености и срока работы
g=sns.lmplot(x="Years Employed", 
            y="empl_count", 
            hue="racedesc", 
            palette="Dark2",
            height=6, 
            aspect=1.25,
            data=dfg_term_over_race,
            )
g.fig.suptitle(f"Зависимость срока работы в компании от расово-этнической принадлежности \n"
               f"для действующих сотрудников (линейная регрессия)", 
               fontsize=16, y=1.15) 

# Определим размер подписи оси X
g.set_xlabels(fontsize=9)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=9)
plt.show()


sql_quiery = \
"""
SELECT
    ROUND("Days Employed"::numeric / 360, 1) AS "Years Employed",
    racedesc,
    "Employee Number"
FROM
    hr_dataset
WHERE  -- Условие, что работники действующие
    "Employment Status" = 'Active' OR 
    "Employment Status" = 'Future Start' OR 
    "Employment Status" = 'Leave of Absence'
GROUP BY
    "Employee Number",
    "Days Employed",
    racedesc
ORDER BY
    "Days Employed"
    
;
"""

dfg_term_over_race1 = pd.read_sql(sql_quiery, conn)
#dfg_term_over_race1


# Выведем график зависимости расово-этнической принадлежности и срока работы
g=sns.catplot(x="racedesc", 
              y="Years Employed", 
              hue="racedesc", 
              palette="Dark2",
              height=6, 
              aspect=1.25,
              data=dfg_term_over_race1,
              saturation=0.5,
              kind='boxen',
              dodge=False,
              k_depth='proportion'
            )
# Определим заголовок 
g.fig.suptitle(f"Зависимость срока работы в компании от расово-этнической принадлежности \n"
               f"для действующих сотрудников (распределение)", 
               fontsize=16, y=1.15) 
# Определим размер подписи оси X
g.set_xlabels(fontsize=16)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=16)
plt.xticks(fontsize=10, rotation=45)  # установим для шкалы X положение и размер её обозначений
plt.show()


sql_quiery = \
"""
SELECT
    ROUND("Days Employed"::numeric / 360, 1) AS "Years Employed",
    maritaldesc,
    COUNT("Employee Number") AS empl_count
FROM
    hr_dataset
WHERE  -- Условие, что работники действующие
    "Employment Status" = 'Active' OR 
    "Employment Status" = 'Future Start' OR 
    "Employment Status" = 'Leave of Absence'
GROUP BY
    ROUND("Days Employed"::numeric / 360, 1),
    maritaldesc
ORDER BY
    ROUND("Days Employed"::numeric / 360, 1) DESC
    
;
"""

dfg_term_over_marital = pd.read_sql(sql_quiery, conn)
#dfg_term_over_marital


# Выведем график зависимости семейного положения и срока работы
g=sns.lmplot(x="Years Employed", 
            y="empl_count", 
            hue="maritaldesc", 
            palette="tab10",
            height=6, 
            aspect=1.25,
            data=dfg_term_over_marital,
            )
g.fig.suptitle(f"Зависимость срока работы в компании от семейного положения \n"
               f"для действующих сотрудников (линейная регрессия)", 
               fontsize=16, y=1.15) 

# Определим размер подписи оси X
g.set_xlabels(fontsize=9)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=9)
plt.show()


sql_quiery = \
"""
SELECT
    ROUND("Days Employed"::numeric / 360, 1) AS "Years Employed",
    maritaldesc,
    "Employee Number"
FROM
    hr_dataset
WHERE  -- Условие, что работники действующие
    "Employment Status" = 'Active' OR 
    "Employment Status" = 'Future Start' OR 
    "Employment Status" = 'Leave of Absence'
GROUP BY
    "Employee Number",
    "Days Employed",
    maritaldesc
ORDER BY
    "Days Employed"
    
;
"""

dfg_term_over_marital1 = pd.read_sql(sql_quiery, conn)
#dfg_term_over_marital1


# Выведем график зависимости семейного положения и срока работы
g=sns.catplot(x="maritaldesc", 
              y="Years Employed", 
              hue="maritaldesc", 
              palette="tab10",
              height=6, 
              aspect=1.25,
              data=dfg_term_over_marital1,
              saturation=0.5,
              kind='boxen',
              dodge=False,
              k_depth='proportion'
            )
# Определим заголовок 
g.fig.suptitle(f"Зависимость срока работы в компании от семейного положения \n"
               f"для действующих сотрудников (распределение)", 
               fontsize=16, y=1.15) 
# Определим размер подписи оси X
g.set_xlabels(fontsize=16)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=16)
plt.xticks(fontsize=12, rotation=0)  # установим для шкалы X положение и размер её обозначений
plt.show()


sql_quiery = \
"""
-- Создадим запрос и датафрейм со статусами занятости сотрудников и оценками производительности.
-- Используем его для построения графика

WITH StatusPerScore AS
    (SELECT
        COUNT("Employee Number") AS empl_count,
        SUM(COUNT("Employee Number")) OVER (PARTITION BY "Performance Score") AS employees_per_score,
        ROUND(
            COUNT("Employee Number") / (SUM(COUNT("Employee Number")) OVER (PARTITION BY "Performance Score"))*100, 2) 
                AS percent,
        "Employment Status",
        "Performance Score"
    FROM
        hr_dataset
    GROUP BY
        "Employment Status",
        "Performance Score"

    ORDER BY
        "Employment Status",
        "Performance Score"
    )

SELECT 
    "Performance Score",
    SUM(
        CASE WHEN "Employment Status" = 'Future Start' 
        THEN percent 
        END) 
        AS "Future Start",
    SUM(
        CASE WHEN "Employment Status" = 'Active'
        THEN percent
        END)
        AS "Active",
    SUM(
        CASE WHEN "Employment Status" = 'Leave of Absence'
        THEN percent
        END)
        AS "Leave of Absence",
    SUM(
        CASE WHEN "Employment Status" = 'Voluntarily Terminated'
        THEN percent
        END)
        AS "Voluntarily Terminated",
    SUM(
        CASE WHEN "Employment Status" = 'Terminated for Cause'
        THEN percent
        END)
        AS "Terminated for Cause",
    SUM(empl_count) AS "Employees_Count"
        
FROM  
    StatusPerScore
GROUP BY
    "Performance Score"
ORDER BY
    "Performance Score"
    
"""
dfg_StatusPerScore = pd.read_sql(sql_quiery, conn, index_col="Performance Score").fillna(0)
dfg_StatusPerScore


data = dfg_StatusPerScore.iloc[:,0:5] # Определим данные для графика
category_names = data.columns.tolist() # Определим список категорий грфика
labels = data.index.tolist() # Определим список заголовков столбцов графика
data_cum = data.cumsum(axis=1) # создадим ДФ с наращеным итогом данных (в данном случае - процентов)

# Создадим массив цветов в формате RGBA из цветовой гаммы сообразно категориям графика:
# data.shape[1] - размерность массива наших данных (определены в data= выше) по горизонтали
# np.linspace - равномерно распределяет данные в количестве data.shape[1] в диапазоне от 0,2 до 0.8
# plt.colomaps[palette].array - выделяет RGBA значения в линейке палитры сообразно значениям np.linspace
category_colors = plt.colormaps['cividis'](np.linspace(0.2, 0.8, data.shape[1]))

# Строим график
fig, ax = plt.subplots(figsize=(15,5)) # определяем поле графика
ax.invert_yaxis() # инвертируем порядок вывода категорий
# ax.xaxis.set_visible(False) # ну будем делать невидимыми метки по оси Х
ax.set_xlim(0, data.sum(axis=1).max()) # Для универсальности установим границы значений для оси X 
#    от 0 до максимума суммы по горизонтали. В нашем случае верхняя граница всегда = 100

# Выведем график в цикле последовательной прорисовка каждой категории
# столбец графика и цвет по спискам категорий и цветов
for i, (colname, color) in enumerate(zip(category_names, category_colors)): 
        widths = data.iloc[:, i]  # длина столбца данной категории (значения все строк и данного стоблца в data)
        starts = data_cum.iloc[:, i] - widths  # начало отрисовки столбца данной категории аналогично от суммарных значений
        rects = ax.barh(labels, widths, left=starts, height=0.8,
                        label=colname, color=color) # определяем прямоугольники графика для каждой категории
        
        # определяем зависимость цвета подписей на графике от значений RGB:
        r, g, b, _ = color
        text_color = 'white' if r * g * b < 0.5 else 'black'
        # Определяем подписи на прямоугольниках графика
        ax.bar_label(rects, label_type='center', color=text_color)
        # Определяем легенду
        ax.legend(ncol=len(category_names), bbox_to_anchor=(0.125, 1),
             loc='lower left', fontsize='small')
# Определяем заголовок
ax.set_title('Зависимость статусов занятости сотрудников от оценки их производительности, %', pad=40)
ax.title.set_size(14)

plt.show()


sql_quiery = \
"""
-- Создадим временное представление, запрос и датафрейм с оценкой производительности и подразделением,
-- Используем его для построения графиков

CREATE OR REPLACE TEMPORARY VIEW
    PerformancePerDepartment AS
SELECT
    COUNT("Employee Number") AS empl_count,
    SUM(COUNT("Employee Number")) OVER (PARTITION BY department) AS employees_per_chief,
    ROUND(
        COUNT("Employee Number") / (SUM(COUNT("Employee Number")) OVER (PARTITION BY department))*100, 2) AS percent,
    "Performance Score",
    department
FROM
    hr_dataset
GROUP BY
    department,
    "Performance Score"
  
ORDER BY
    department,
    "Performance Score"
;
SELECT * FROM PerformancePerDepartment
;
"""
dfg_PerformancePerDepartment1 = pd.read_sql(sql_quiery, conn)
#dfg_PerformancePerDepartment1


# Создадим сетку графиков зависимости оценки произаводительности от подразделения

g=sns.catplot(
    kind="bar",
    x="department",
    y="percent",
    hue="department",
    data=dfg_PerformancePerDepartment1,
    col_order=['N/A- too early to review', '90-day meets', 
               'Fully Meets', 'Exceptional', 'Exceeds', 'Needs Improvement', 'PIP'],
    col="Performance Score",
    col_wrap=4,
    height=4,
    aspect = 1,
    palette="Set2",
    margin_titles=True, 
    sharex=False, 
    sharey=False,
    dodge=False
    )

g.fig.suptitle(
    "Зависимость оценки производительности сотрудников от подразделения", 
    fontsize=16, x=0.50, y=1.03)

# Определим размер подписи оси X
g.set_xlabels('Подразделение', fontsize=12)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=12)
# Определим размер и поворот подписей под столбцами
g.set_xticklabels(rotation=75,fontsize=10)
# Изменим интервал между индивидуальными графиками
g.fig.subplots_adjust(hspace=0.8)
plt.show()


sql_quiery = \
"""
-- Создадим запрос и датафрейм с оценкой производительности и подразделением,
-- Используем временное представление, полученное ранее
-- Используем его для построения графика
   
SELECT 
    department,
    SUM(
        CASE WHEN "Performance Score" = 'N/A- too early to review' 
        THEN percent 
        END) 
        AS "N/A- too early to review",
    SUM(
        CASE WHEN "Performance Score" = '90-day meets'
        THEN percent
        END)
        AS "90-day meets",
    SUM(
        CASE WHEN "Performance Score" = 'Fully Meets'
        THEN percent
        END)
        AS "Fully Meets",
    SUM(
        CASE WHEN "Performance Score" = 'Exceptional'
        THEN percent
        END)
        AS "Exceptional",
    SUM(
        CASE WHEN "Performance Score" = 'Exceeds'
        THEN percent
        END)
        AS "Exceeds",
    SUM(
        CASE WHEN "Performance Score" = 'Needs Improvement'
        THEN percent
        END)
        AS "Needs Improvement",
    SUM(
        CASE WHEN "Performance Score" = 'PIP'
        THEN percent
        END)
        AS "PIP"
        
FROM  
    PerformancePerDepartment
GROUP BY
    department
ORDER BY
    department
;    
"""
dfg_PerformancePerDepartment2 = pd.read_sql(sql_quiery, conn, index_col="department").fillna(0)
dfg_PerformancePerDepartment2


data = dfg_PerformancePerDepartment2 # Определим данные для графика
category_names = data.columns.tolist() # Определим список категорий грфика
labels = data.index.tolist() # Определим список заголовков столбцов графика
data_cum = data.cumsum(axis=1) # создадим ДФ с наращеным итогом данных (в данном случае - процентов)

# Создадим массив цветов в формате RGBA из цветовой гаммы сообразно категориям графика:
# data.shape[1] - размерность массива наших данных по горизонтали
# np.linspace - равномерно распределяет данные в количестве data.shape[1] в диапазоне от 0 до 1
# plt.colomaps[palette].array - выделяет RGBA значения в линейке палитры сообразно значениям np.linspace
category_colors = plt.colormaps['YlGnBu'](np.linspace(0, 1, data.shape[1]))

# Строим график
fig, ax = plt.subplots(figsize=(15,5)) # определяем поле графика
ax.invert_yaxis() # инвертируем порядок вывода категорий
# ax.xaxis.set_visible(False) # ну будем делать невидимыми метки по оси Х
ax.set_xlim(0, data.sum(axis=1).max()) # Для универсальности установим границы значений для оси X 
#    от 0 до максимума суммы по горизонтали. В нашем случае верхняя граница всегда = 100

# Выведем график в цикле последовательной прорисовка каждой категории
# столбец графика и цвет по спискам категорий и цветов
for i, (colname, color) in enumerate(zip(category_names, category_colors)): 
        widths = data.iloc[:, i]  # длина столбца данной категории (значения все строк и данного стоблца в data)
        starts = data_cum.iloc[:, i] - widths  # начало отрисовки столбца данной категории аналогично от суммарных значений
        rects = ax.barh(labels, widths, left=starts, height=0.8,
                        label=colname, color=color) # определяем прямоугольники графика для каждой категории
        
        # определяем зависимость цвета подписей на графике от значений RGB:
        r, g, b, _ = color
        text_color = 'white' if r * g * b < 0.5 else 'black'
        # Определяем подписи на прямоугольниках графика
        ax.bar_label(rects, label_type='center', color=text_color)
        # Определяем легенду
        ax.legend(ncol=len(category_names), bbox_to_anchor=(0.05, 1),
             loc='lower left', fontsize='small')
# Определяем заголовок
ax.set_title('Зависимость оценки производительности от подразделений, %', pad=40)
ax.title.set_size(14)

plt.show()


sql_quiery = \
"""
-- Создадим временное представление, запрос и датафрейм с оценкой производительности и персоналии начальника,
-- Используем его для построения сетки графиков

    
CREATE OR REPLACE TEMPORARY VIEW
    PerformancePerChief AS
WITH 
    chiefs AS (
    SELECT 
        "Employee Number",
        "Manager Name",
        "Performance Score",
        CONCAT ("Manager Name", ' (' ,department, ')' ) AS chief
    FROM
        hr_dataset
    )
SELECT
    COUNT("Employee Number") AS empl_count,
    SUM(COUNT("Employee Number")) OVER (PARTITION BY chief) AS employees_per_chief,
    ROUND(
        COUNT("Employee Number") / (SUM(COUNT("Employee Number")) OVER (PARTITION BY chief))*100, 2) AS percent,
    "Performance Score",
    chief
FROM
    chiefs
GROUP BY
    chief,
    "Performance Score"
  
ORDER BY
    chief,
    "Performance Score"
;
SELECT * FROM PerformancePerChief
;
"""
df_PerformancePerChief = pd.read_sql(sql_quiery, conn)
df_PerformancePerChief


sql_quiery = \
"""
-- Создадим запрос и датафрейм с оценкой производительности и перосналией начальника,
-- Используем временное представление, полученное ранее
-- Используем его для построения графика
   
SELECT 
    chief,
    SUM(
        CASE WHEN "Performance Score" = 'N/A- too early to review' 
        THEN percent 
        END) 
        AS "N/A- too early to review",
    SUM(
        CASE WHEN "Performance Score" = '90-day meets'
        THEN percent
        END)
        AS "90-day meets",
    SUM(
        CASE WHEN "Performance Score" = 'Fully Meets'
        THEN percent
        END)
        AS "Fully Meets",
    SUM(
        CASE WHEN "Performance Score" = 'Exceptional'
        THEN percent
        END)
        AS "Exceptional",
    SUM(
        CASE WHEN "Performance Score" = 'Exceeds'
        THEN percent
        END)
        AS "Exceeds",
    SUM(
        CASE WHEN "Performance Score" = 'Needs Improvement'
        THEN percent
        END)
        AS "Needs Improvement",
    SUM(
        CASE WHEN "Performance Score" = 'PIP'
        THEN percent
        END)
        AS "PIP"
        
FROM  
    PerformancePerChief
GROUP BY
    chief
ORDER BY
    chief
;    
"""
dfg_PerformancePerChief = pd.read_sql(sql_quiery, conn, index_col="chief").fillna(0)
dfg_PerformancePerChief


data = dfg_PerformancePerChief # Определим данные для графика
category_names = data.columns.tolist() # Определим список категорий грфика
labels = data.index.tolist() # Определим список заголовков столбцов графика
data_cum = data.cumsum(axis=1) # создадим ДФ с наращеным итогом данных (в данном случае - процентов)

# Создадим массив цветов в формате RGBA из цветовой гаммы сообразно категориям графика:
# data.shape[1] - размерность массива наших данных по горизонтали
# np.linspace - равномерно распределяет данные в количестве data.shape[1] в диапазоне от 0 до 1
# plt.colomaps[palette].array - выделяет RGBA значения в линейке палитры сообразно значениям np.linspace
category_colors = plt.colormaps['PuBuGn'](np.linspace(0, 1, data.shape[1]))

# Строим график
fig, ax = plt.subplots(figsize=(15,12)) # определяем поле графика
ax.invert_yaxis() # инвертируем порядок вывода категорий
# ax.xaxis.set_visible(False) # ну будем делать невидимыми метки по оси Х
ax.set_xlim(0, data.sum(axis=1).max()) # Для универсальности установим границы значений для оси X 
#    от 0 до максимума суммы по горизонтали. В нашем случае верхняя граница всегда = 100

# Выведем график в цикле последовательной прорисовка каждой категории
# столбец графика и цвет по спискам категорий и цветов
for i, (colname, color) in enumerate(zip(category_names, category_colors)): 
        widths = data.iloc[:, i]  # длина столбца данной категории (значения все строк и данного стоблца в data)
        starts = data_cum.iloc[:, i] - widths  # начало отрисовки столбца данной категории аналогично от суммарных значений
        rects = ax.barh(labels, widths, left=starts, height=0.8,
                        label=colname, color=color) # определяем прямоугольники графика для каждой категории
        
        # определяем зависимость цвета подписей на графике от значений RGB:
        r, g, b, _ = color
        text_color = 'white' if r * g * b < 0.5 else 'black'
        # Определяем подписи на прямоугольниках графика
        ax.bar_label(rects, label_type='center', color=text_color)
        # Определяем легенду
        ax.legend(ncol=len(category_names), bbox_to_anchor=(0.05, 1),
             loc='lower left', fontsize='small')
# Определяем заголовок
ax.set_title('Зависимость оценки производительности от руководителя в разрезе подразделений, %', pad=40)
ax.title.set_size(14)

plt.show()


sql_quiery = \
"""
-- Создадим запросы и датафрейм с оценкой производительности и сроком работы сотрудников
-- Условно приведём сроки работы к годам
-- Распределим оценки производительности по колонкам

WITH 
Selection AS (
SELECT
        ROUND("Days Employed"::numeric / 360, 1) AS years,
        "Performance Score",
        "Employee Number"
    FROM
        hr_dataset
    ORDER BY
        years,
        "Performance Score"
),

empl_count AS (
    SELECT
        years,
        "Performance Score",
        COUNT("Employee Number") AS employee_count
    FROM
        selection
    GROUP BY
        years,
        "Performance Score"
    ORDER BY
        years,
        "Performance Score"
),

PerformacePerYear AS (
    SELECT
        years,
        "Performance Score",
        SUM(employee_count) OVER (PARTITION BY years) AS employees_per_year_empl,
        ROUND(employee_count / (SUM(employee_count) OVER (PARTITION BY years))*100, 2) AS percent
    FROM
        empl_count
    GROUP BY
        years,
        employee_count,
        "Performance Score"
    ORDER BY
        years,
       "Performance Score"
),

FullyMeets AS (
    SELECT 
        years,
        percent AS "Fully Meets"
    FROM PerformacePerYear
    WHERE "Performance Score" = 'Fully Meets'
),

EarlyToReview AS (
    SELECT 
        years,
        percent AS "N/A- too early to review"
    FROM PerformacePerYear
    WHERE "Performance Score" = 'N/A- too early to review'
),

NeedsImprovement AS (
    SELECT 
        years,
        percent AS "Needs Improvement"
    FROM PerformacePerYear
    WHERE "Performance Score" = 'Needs Improvement'
),

NinetyDayMeets AS (
    SELECT 
        years,
        percent AS "90-day meets"
    FROM PerformacePerYear
    WHERE "Performance Score" = '90-day meets'
),

Exceeds AS (
    SELECT
        years,
        percent AS "Exceeds"
    FROM PerformacePerYear
    WHERE "Performance Score" = 'Exceeds'
),

PIP AS (
    SELECT
        years,
        percent AS "PIP"
    FROM PerformacePerYear
    WHERE "Performance Score" = 'PIP'
),

Exceptional AS (
    SELECT
        years,
        percent AS "Exceptional"
    FROM PerformacePerYear
    WHERE "Performance Score" = 'Exceptional'
)

    
SELECT * 
FROM 
    FullyMeets
FULL JOIN
    Exceptional
    USING(years)
FULL JOIN
    Exceeds
    USING(years)
FULL JOIN
    NinetyDayMeets
    USING(years)
FULL JOIN
    EarlyToReview
    USING(years)
FULL JOIN
    NeedsImprovement
    USING(years)
FULL JOIN
    PIP
    USING(years)
ORDER BY
    years
;
"""
dfg_PerformacePerDaysEmployedPercent = pd.read_sql(sql_quiery, conn, index_col='years')
#dfg_PerformacePerDaysEmployedPercent


plot = dfg_PerformacePerDaysEmployedPercent.plot.bar(
        figsize=(15,10),
        fontsize=16,
        stacked=True,
        title='Распредееление оценок производительности сотрудников по сроку работы в компании, %',
        cmap='tab10')
plot.title.set_size(18)
plot.legend(loc=1, bbox_to_anchor=(1.25, 1), fontsize=12)
plot.set(ylabel="Доля, %", xlabel="Период работы, лет")
plot.set_xticks(plot.get_xticks()[::2]) # сделаем шкалу X более редкой
plt.show()


sql_quiery = \
"""
-- Создадим запросы и датафрейм с оценкой производительности и сроком работы сотрудников
-- Условно приведём сроки работы к кварталам
-- Распределим оценки производительности по колонкам

WITH 
selection AS (
    SELECT
        ROUND("Days Employed"::numeric / 360, 1)  AS years_employed,
        "Performance Score" AS performance_score,
        "Employee Number"
        FROM
            hr_dataset
),

empl_count AS (
    SELECT
        years_employed,
        performance_score,
        COUNT("Employee Number") AS employee_count
    FROM
        selection
    GROUP BY
        years_employed,
        performance_score
    ORDER BY
        years_employed,
        performance_score
)

SELECT * 
FROM empl_count

;
"""
dfg_performance_over_years_employed = pd.read_sql(sql_quiery, conn)
#dfg_performance_over_years_employed


# Построим сетку графиков для зависимости оценки производительнсоти от срока работы в компании

# Определим список для порядка вывода графиков
order_list = ['N/A- too early to review', '90-day meets', 'Fully Meets', 'Exceeds',
              'Exceptional', 'Needs Improvement', 'PIP']
# Данные для каждого вида оценки разместим в отдельном графике сетки
g = sns.relplot(data=dfg_performance_over_years_employed,
                x="years_employed",
                y="employee_count", 
                col="performance_score", 
                col_order=order_list,
                hue="performance_score",
                hue_order=order_list,
                kind="line", 
                palette="copper_r", 
                linewidth=4, 
                zorder=7,
                col_wrap=2, 
                height=5, 
                aspect=1.5, 
                legend=False,
                facet_kws=dict(sharex=False, ylim=(0,13))
               )

# Для каждого графика в сетке определим дополнительные параметры
for performance_score, ax in g.axes_dict.items(): # перебираем параметры индивидуальных графиков

    # Добавим заголовок каждого графика в виде аннотации, расположенной в пооле графика
    ax.text(.75, .85, performance_score, transform=ax.transAxes, fontweight="bold")

    # Построим "теневые" графики для других оценок производительности в поле каждого графика
    sns.lineplot(data=dfg_performance_over_years_employed, 
                 x="years_employed", 
                 y="employee_count", 
                 units="performance_score",
                 estimator=None, 
                 color=".7", 
                 linewidth=1, 
                 ax=ax
                )

# Уберём индивидуальные заголовки графиков
g.set_titles("")
# Установим "плотное" расположение графиков
g.tight_layout()
# Определим общий заголовок графика
g.fig.suptitle(
    "Зависимость оценки производительнсоти от срока работы в компании", 
    fontsize=16, x=0.50, y=1.03)
plt.show()


sql_quiery = \
"""
-- Создадим временное представление, запрос и датафрейм с оценкой производительности и источником найма,
-- Используем его для построения графиков

CREATE OR REPLACE TEMPORARY VIEW
    PerformancePerSource AS
    SELECT
        COUNT("Employee Number") AS empl_count,
        SUM(COUNT("Employee Number")) OVER (PARTITION BY "Employee Source") AS employees_per_source,
        ROUND(
            COUNT("Employee Number") / (SUM(COUNT("Employee Number")) OVER (PARTITION BY "Employee Source"))*100, 2) AS percent,
        "Performance Score",
        "Employee Source"
    FROM
        hr_dataset
    GROUP BY
        "Performance Score",
        "Employee Source"

    ORDER BY
        "Performance Score",
        "Employee Source"
;
SELECT * FROM PerformancePerSource
;
"""
dfg_PerformancePerSource1 = pd.read_sql(sql_quiery, conn)
dfg_PerformancePerSource1


# Создадим сетку графиков зависимости оценки произаводительности от источника найма сотрудников

g=sns.catplot(
    kind="bar",
    x="Employee Source",
    y="percent",
    hue="Employee Source",
    data=dfg_PerformancePerSource1,
    col_order=['N/A- too early to review', '90-day meets', 
               'Fully Meets', 'Exceptional', 'Exceeds', 'Needs Improvement', 'PIP'],
    col="Performance Score",
    col_wrap=4,
    height=4,
    aspect = 1,
    palette="Set2",
    margin_titles=True, 
    sharex=False, 
    sharey=False,
    dodge=False
    )

g.fig.suptitle(
    "Зависимость оценки производительности сотрудников от источника найма",
    fontsize=16, x=0.50, y=1.03)

# Определим размер подписи оси X
g.set_xlabels('Источник найма', fontsize=12)
# Определим размер подписи оси Y
g.set_ylabels("Percent of Source", fontsize=12)
# Определим размер и поворот подписей под столбцами
g.set_xticklabels(rotation=90,fontsize=10)
# Изменим интервал между индивидуальными графиками
g.fig.subplots_adjust(hspace=1.65)
plt.show()


sql_quiery = \
"""
-- Создадим запрос и датафрейм с оценкой производительности, источником найма, и средней ценой привлечения
-- Используем временное представление, полученное ранее
-- Используем его для построения графика
WITH
empl_source_price AS
    (SELECT 
        "Employment Source" AS "Employee Source",
        "Total"
    FROM
        recruiting_costs
    )
    
SELECT 
    CONCAT("Employee Source", ': $', ROUND("Total"::numeric/employees_per_source, 2)) AS "Employee Source",
    ROUND("Total"::numeric/employees_per_source) AS "Average price",
    SUM(
        CASE WHEN "Performance Score" = 'N/A- too early to review' 
        THEN percent 
        END) 
        AS "N/A- too early to review",
    SUM(
        CASE WHEN "Performance Score" = '90-day meets'
        THEN percent
        END)
        AS "90-day meets",
    SUM(
        CASE WHEN "Performance Score" = 'Fully Meets'
        THEN percent
        END)
        AS "Fully Meets",
    SUM(
        CASE WHEN "Performance Score" = 'Exceptional'
        THEN percent
        END)
        AS "Exceptional",
    SUM(
        CASE WHEN "Performance Score" = 'Exceeds'
        THEN percent
        END)
        AS "Exceeds",
    SUM(
        CASE WHEN "Performance Score" = 'Needs Improvement'
        THEN percent
        END)
        AS "Needs Improvement",
    SUM(
        CASE WHEN "Performance Score" = 'PIP'
        THEN percent
        END)
        AS "PIP"
        
FROM  
    PerformancePerSource
    LEFT JOIN
    empl_source_price
    USING("Employee Source")
GROUP BY
    "Employee Source",
    "Total",
    employees_per_source
ORDER BY
    "Average price" DESC,
    "Employee Source"
    
"""
dfg_PerformancePerSource2 = pd.read_sql(sql_quiery, conn, index_col=["Employee Source"]).fillna(0)
dfg_PerformancePerSource2


data = dfg_PerformancePerSource2.drop(columns=["Average price"]) # Определим данные для графика
category_names = data.columns.tolist() # Определим список категорий грфика
labels = data.index.tolist() # Определим список заголовков столбцов графика
data_cum = data.cumsum(axis=1) # создадим ДФ с наращеным итогом данных (в данном случае - процентов)

# Создадим массив цветов в формате RGBA из цветовой гаммы сообразно категориям графика:
# data.shape[1] - размерность массива наших данных по горизонтали
# np.linspace - равномерно распределяет данные в количестве data.shape[1] в диапазоне от 0 до 1
# plt.colomaps[palette].array - выделяет RGBA значения в линейке палитры сообразно значениям np.linspace
category_colors = plt.colormaps['ocean_r'](np.linspace(0, 1, data.shape[1]))

# Строим график
fig, ax = plt.subplots(figsize=(15,12)) # определяем поле графика
ax.invert_yaxis() # инвертируем порядок вывода категорий
# ax.xaxis.set_visible(False) # ну будем делать невидимыми метки по оси Х
ax.set_xlim(0, data.sum(axis=1).max()) # Для универсальности установим границы значений для оси X 
#    от 0 до максимума суммы по горизонтали. В нашем случае верхняя граница всегда = 100

# Выведем график в цикле последовательной прорисовка каждой категории
# столбец графика и цвет по спискам категорий и цветов
for i, (colname, color) in enumerate(zip(category_names, category_colors)): 
        widths = data.iloc[:, i]  # длина столбца данной категории (значения все строк и данного стоблца в data)
        starts = data_cum.iloc[:, i] - widths  # начало отрисовки столбца данной категории аналогично от суммарных значений
        rects = ax.barh(labels, widths, left=starts, height=0.8,
                        label=colname, color=color) # определяем прямоугольники графика для каждой категории
        
        # определяем зависимость цвета подписей на графике от значений RGB:
        r, g, b, _ = color
        text_color = 'white' if r * g * b < 0.5 else 'black'
        # Определяем подписи на прямоугольниках графика
        ax.bar_label(rects, label_type='center', color=text_color)
        # Определяем легенду
        ax.legend(ncol=len(category_names), bbox_to_anchor=(0.05, 1),
             loc='lower left', fontsize='small')
# Определяем заголовок
ax.set_title('Зависимость оценки производительности от источника найма c учётом средней стоимости найма, %', pad=40)
ax.title.set_size(14)

plt.show()


sql_quiery = \
"""
-- Создадим запросы и датафрейм с оценкой производительности и KPI,
-- Используем его для построения графиков

WITH 
kpi_s AS
    (SELECT
        "Employee Name",
        "Performance Score",
        'Abutments/Hour Wk 1' AS "KPI_Name",
        "Abutments/Hour Wk 1" AS "KPI_Value"
    FROM 
        production_staff
    UNION ALL
    SELECT
        "Employee Name",
        "Performance Score",
        'Abutments/Hour Wk 2' AS "KPI_Name",
        "Abutments/Hour Wk 2" AS "KPI_Value"
    FROM 
        production_staff
    UNION ALL
    SELECT
        "Employee Name",
        "Performance Score",
        'Daily Error Rate' AS "KPI_Name",
        "Daily Error Rate" AS "KPI_Value"
    FROM 
        production_staff
    UNION ALL
    SELECT
        "Employee Name",
        "Performance Score",
        '90-day Complaints' AS "KPI_Name",
        "90-day Complaints" AS "KPI_Value"
    FROM 
        production_staff
)
SELECT
    *
FROM
    kpi_s
;
"""
dfg_performance_over_KPI = pd.read_sql(sql_quiery, conn).dropna()
dfg_performance_over_KPI


score_list = ['N/A- too early to review', '90-day meets', 
              'Fully Meets', 'Exceptional', 'Exceeds', 'Needs Improvement', 'PIP']
g=sns.catplot(x="KPI_Name", 
              y="KPI_Value", 
              hue="KPI_Name", 
              data=dfg_performance_over_KPI,
              col="Performance Score", 
              col_wrap=3,
              col_order=score_list, 
              kind='boxen', 
              height=5, 
              aspect=1, 
              palette="Set1", 
              sharex=False, 
              sharey=True,
              dodge=False
             )
g.fig.suptitle(
    "Зависимость оценки производительности сотрудников от KPI (для департамента Production)",
    fontsize=16, x=0.50, y=1.03)

# Определим размер подписи оси X
g.set_xlabels('KPI Name', fontsize=12)
# Определим размер подписи оси Y
g.set_ylabels('KPI Value', fontsize=12)
# Определим размер и поворот подписей под столбцами
g.set_xticklabels(rotation=45,fontsize=10)
# Установим отметки шкалы Y
plt.yticks(list(range(0, 20, 1)))
# Изменим вертикальный интервал между индивидуальными графиками
g.fig.subplots_adjust(hspace=0.4)
plt.show()


sql_quiery = \
"""
-- Создадим запрос и датафрейм с оценкой производительности и возрастом сотрудника
SELECT
    age,
    "Performance Score",
    COUNT("Employee Number") AS employee_count
FROM
    hr_dataset
GROUP BY
    age,
    "Performance Score"
ORDER BY
    age,
    "Performance Score"
;

"""
dfg_PerformacePerAge = pd.read_sql(sql_quiery, conn)
#dfg_PerformacePerAge


# Создадим график зависимости оценки производительности от возраста сотрудника
g=sns.relplot(
    x="age",
    y="employee_count",
    hue="Performance Score",
    data=dfg_PerformacePerAge,
    row=1,
    col=1,
    kind='line',
    palette="tab10",
    legend='auto',
    height=5, 
    aspect=2,
    alpha=1)

g.fig.suptitle(
    "Зависимость оценки производительности от возраста сотрудников", 
    fontsize=16, x=0.43, y=1.03)

# Определим размер подписи оси X
g.set_xlabels(fontsize=10)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=10)
# Определим размер и поворот подписей под столбцами
g.set_xticklabels(rotation=0,fontsize=9)
# Изменим интервал между индивидуальными графиками
g.fig.subplots_adjust(hspace=0.7)
plt.show()


sql_quiery = \
"""
-- Создадим запросы и датафрейм с оценкой производительности и возрастом сотрудников
-- Распределим оценки производительности по колонкам

WITH 
PerformacePerAge AS (
    SELECT
        age,
        "Performance Score",
        COUNT("Employee Number") AS employee_count,
        SUM(COUNT("Employee Number")) OVER (PARTITION BY age) AS employees_per_age,
        ROUND(
            COUNT("Employee Number") / (SUM(COUNT("Employee Number")) OVER (PARTITION BY age))*100, 2)
            AS percent
    FROM
        hr_dataset
    GROUP BY
        age,
        "Performance Score"
    ORDER BY
        age,
        "Performance Score"
),

FullyMeats AS (
    SELECT 
        age,
        percent AS "Fully Meets"
    FROM PerformacePerAge
    WHERE "Performance Score" = 'Fully Meets'
),

EarlyToReview AS (
    SELECT 
        age,
        percent AS "N/A- too early to review"
    FROM PerformacePerAge
    WHERE "Performance Score" = 'N/A- too early to review'
),

NeedsImprovement AS (
    SELECT 
        age,
        percent AS "Needs Improvement"
    FROM PerformacePerAge
    WHERE "Performance Score" = 'Needs Improvement'
),

NinetyDayMeets AS (
    SELECT 
        age,
        percent AS "90-day meets"
    FROM PerformacePerAge
    WHERE "Performance Score" = '90-day meets'
),

Exceeds AS (
    SELECT
        age,
        percent AS "Exceeds"
    FROM PerformacePerAge
    WHERE "Performance Score" = 'Exceeds'
),

PIP AS (
    SELECT
        age,
        percent AS "PIP"
    FROM PerformacePerAge
    WHERE "Performance Score" = 'PIP'
),

Exceptional AS (
    SELECT
        age,
        percent AS "Exceptional"
    FROM PerformacePerAge
    WHERE "Performance Score" = 'Exceptional'
)

    
SELECT * 
FROM 
    FullyMeats
FULL JOIN
    Exceptional
    USING(age)
FULL JOIN
    Exceeds
    USING(age)
FULL JOIN
    NinetyDayMeets
    USING(age)
FULL JOIN
    EarlyToReview
    USING(age)
FULL JOIN
    NeedsImprovement
    USING(age)
FULL JOIN
    PIP
    USING(age)
ORDER BY
    age
;
"""
dfg_PerformacePerAgePercent = pd.read_sql(sql_quiery, conn, index_col='age')
#dfg_PerformacePerAgePercent


plot = dfg_PerformacePerAgePercent.plot.bar(
        figsize=(15,10),
        fontsize=16,
        stacked=True,
        title='Оценка производительности сотрудников по возрастам, %',
        cmap='tab10')
plot.title.set_size(18)
plot.legend(loc=1, bbox_to_anchor=(1.25, 1), fontsize=12)
plot.set(ylabel="Доля, %", xlabel="Возраст")
plt.show()


sql_quiery = \
"""
-- Создадим временное представление, запрос и датафрейм с оценкой производительности и полом сотрудников,
-- Используем его для построения сетки графиков

CREATE OR REPLACE TEMP VIEW 
    PerformancePerSex AS 
SELECT
    COUNT("Employee Number") AS empl_count,
    SUM(COUNT("Employee Number")) OVER (PARTITION BY sex) AS employees_per_sex,
    ROUND(
        COUNT("Employee Number") / (SUM(COUNT("Employee Number")) OVER (PARTITION BY sex))*100, 2) AS percent,
    "Performance Score",
    sex
FROM
    hr_dataset
GROUP BY
    "Performance Score",
    sex  
ORDER BY
    "Performance Score",
    sex
;
SELECT * FROM PerformancePerSex
    
"""
dfg_PerformancePerSex1 = pd.read_sql(sql_quiery, conn)
dfg_PerformancePerSex1


# Создадим сетку графиков зависимости оценки произаводительности от пола сотрудников

g=sns.catplot(
    kind="bar",
    x="sex",
    y="percent",
    hue="sex",
    data=dfg_PerformancePerSex1,
    col_order=['N/A- too early to review', '90-day meets', 
               'Fully Meets', 'Exceptional', 'Exceeds', 'Needs Improvement', 'PIP'],
    col="Performance Score",
    col_wrap=4,
    height=4,
    aspect = 1,
    palette="Pastel1",
    margin_titles=True, 
    sharex=False, 
    sharey=False,
    dodge=False
    )

g.fig.suptitle(
    "Зависимость оценки производительности от пола сотрудника", 
    fontsize=16, x=0.50, y=1.03)

# Определим размер подписи оси X
g.set_xlabels(fontsize=12)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=12)
# Определим размер и поворот подписей под столбцами
g.set_xticklabels(rotation=0,fontsize=10)
# Изменим интервал между индивидуальными графиками
g.fig.subplots_adjust(hspace=0.2)
plt.show()


sql_quiery = \
"""
-- Создадим запрос и датафрейм с оценкой производительности и полом сотрудников,
-- Используем временное представление, полученное ранее
-- Используем его для построения графика
   
SELECT 
    sex,
    SUM(
        CASE WHEN "Performance Score" = 'N/A- too early to review' 
        THEN percent 
        END) 
        AS "N/A- too early to review",
    SUM(
        CASE WHEN "Performance Score" = '90-day meets'
        THEN percent
        END)
        AS "90-day meets",
    SUM(
        CASE WHEN "Performance Score" = 'Fully Meets'
        THEN percent
        END)
        AS "Fully Meets",
    SUM(
        CASE WHEN "Performance Score" = 'Exceptional'
        THEN percent
        END)
        AS "Exceptional",
    SUM(
        CASE WHEN "Performance Score" = 'Exceeds'
        THEN percent
        END)
        AS "Exceeds",
    SUM(
        CASE WHEN "Performance Score" = 'Needs Improvement'
        THEN percent
        END)
        AS "Needs Improvement",
    SUM(
        CASE WHEN "Performance Score" = 'PIP'
        THEN percent
        END)
        AS "PIP"
        
FROM  
    PerformancePerSex
GROUP BY
    sex
"""
dfg_PerformancePerSex2 = pd.read_sql(sql_quiery, conn, index_col='sex')
dfg_PerformancePerSex2


data = dfg_PerformancePerSex2 # Определим данные для графика
category_names = data.columns.tolist() # Определим список категорий грфика
labels = data.index.tolist() # Определим список заголовков столбцов графика
data_cum = data.cumsum(axis=1) # создадим ДФ с наращеным итогом данных (в данном случае - процентов)

# Создадим массив цветов в формате RGBA из цветовой гаммы сообразно категориям графика:
# data.shape[1] - размерность массива наших данных по горизонтали
# np.linspace - равномерно распределяет данные в количестве data.shape[1] в диапазоне от 0 до 1
# plt.colomaps[palette].array - выделяет RGBA значения в линейке палитры сообразно значениям np.linspace
category_colors = plt.colormaps['PuRd'](np.linspace(0, 1, data.shape[1]))

# Строим график
fig, ax = plt.subplots(figsize=(15,2)) # определяем поле графика
# ax.invert_yaxis() # нет необходимости инвертировать порядок вывода категорий
# ax.xaxis.set_visible(False) # ну будем делать невидимыми метки по оси Х
ax.set_xlim(0, data.sum(axis=1).max()) # Для универсальности установим границы значений для оси X 
#    от 0 до максимума суммы по горизонтали. В нашем случае верхняя граница всегда = 100

# Выведем график в цикле последовательной прорисовка каждой категории
# столбец графика и цвет по спискам категорий и цветов
for i, (colname, color) in enumerate(zip(category_names, category_colors)): 
        widths = data.iloc[:, i]  # длина столбца данной категории (значения все строк и данного стоблца в data)
        starts = data_cum.iloc[:, i] - widths  # начало отрисовки столбца данной категории аналогично от суммарных значений
        rects = ax.barh(labels, widths, left=starts, height=0.7,
                        label=colname, color=color) # определяем прямоугольники графика для каждой категории
        
        # определяем зависимость цвета подписей на графике от значений RGB:
        r, g, b, _ = color
        text_color = 'white' if r * g * b < 0.5 else 'black'
        # Определяем подписи на прямоугольниках графика
        ax.bar_label(rects, label_type='center', color=text_color)

# Определяем легенду
ax.legend(ncol=len(category_names), bbox_to_anchor=(0.05, 1),
          loc='lower left', fontsize='small')
# Определяем заголовок
ax.set_title('Оценка производительности сотрудников в зависимости от пола, %', pad=40)
ax.title.set_size(14)

plt.show()


sql_quiery = \
"""
-- Создадим временное представление, запрос и датафрейм 
-- с оценкой производительности и расово-этнической принадлежностью сотрудников,
-- Используем его для построения сетки графиков

CREATE OR REPLACE TEMPORARY VIEW
    PerformancePerRace AS
    
SELECT
    COUNT("Employee Number") AS empl_count,
    SUM(COUNT("Employee Number")) OVER (PARTITION BY racedesc) AS employees_per_race,
    ROUND(
        COUNT("Employee Number") / (SUM(COUNT("Employee Number")) OVER (PARTITION BY racedesc))*100, 2) AS percent,
    "Performance Score",
    racedesc
FROM
    hr_dataset
GROUP BY
    "Performance Score",
    racedesc  
ORDER BY
    "Performance Score",
    racedesc 
;
SELECT * FROM PerformancePerRace
"""
dfg_PerformancePerRace1 = pd.read_sql(sql_quiery, conn)
dfg_PerformancePerRace1


# Создадим сетку графиков зависимости оценки произаводительности от расово-этнической принадлежности сотрудников

g=sns.catplot(
    kind="bar",
    x="racedesc",
    y="percent",
    hue="racedesc",
    data=dfg_PerformancePerRace1,
    col_order=['N/A- too early to review', '90-day meets', 
               'Fully Meets', 'Exceptional', 'Exceeds', 'Needs Improvement', 'PIP'],
    col="Performance Score",
    col_wrap=4,
    height=4,
    aspect = 1,
    palette="Set1",
    margin_titles=True, 
    sharex=False, 
    sharey=False,
    dodge=False
    )

g.fig.suptitle(
    "Зависимость оценки производительности от расово-этнической принадлежности сотрудников", 
    fontsize=16, x=0.50, y=1.03)

# Определим размер подписи оси X
g.set_xlabels('Marital status', fontsize=12)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=12)
# Определим размер и поворот подписей под столбцами
g.set_xticklabels(rotation=75,fontsize=10)
# Изменим интервал между индивидуальными графиками
g.fig.subplots_adjust(hspace=0.8)
plt.show()


sql_quiery = \
"""
-- Создадим запрос и датафрейм с оценкой производительности и семейным положением сотрудников,
-- Используем временное представление, полученное ранее
-- Используем его для построения графика
   
SELECT 
    racedesc,
    SUM(
        CASE WHEN "Performance Score" = 'N/A- too early to review' 
        THEN percent 
        END) 
        AS "N/A- too early to review",
    SUM(
        CASE WHEN "Performance Score" = '90-day meets'
        THEN percent
        END)
        AS "90-day meets",
    SUM(
        CASE WHEN "Performance Score" = 'Fully Meets'
        THEN percent
        END)
        AS "Fully Meets",
    SUM(
        CASE WHEN "Performance Score" = 'Exceptional'
        THEN percent
        END)
        AS "Exceptional",
    SUM(
        CASE WHEN "Performance Score" = 'Exceeds'
        THEN percent
        END)
        AS "Exceeds",
    SUM(
        CASE WHEN "Performance Score" = 'Needs Improvement'
        THEN percent
        END)
        AS "Needs Improvement",
    SUM(
        CASE WHEN "Performance Score" = 'PIP'
        THEN percent
        END)
        AS "PIP"
        
FROM  
    PerformancePerRace
GROUP BY
    racedesc
ORDER By
    racedesc
"""
dfg_PerformancePerRace2 = pd.read_sql(sql_quiery, conn, index_col='racedesc').fillna(0)
dfg_PerformancePerRace2


data = dfg_PerformancePerRace2 # Определим данные для графика
category_names = data.columns.tolist() # Определим список категорий грфика
labels = data.index.tolist() # Определим список заголовков столбцов графика
data_cum = data.cumsum(axis=1) # создадим ДФ с наращеным итогом данных (в данном случае - процентов)

# Создадим массив цветов в формате RGBA из цветовой гаммы сообразно категориям графика:
# data.shape[1] - размерность массива наших данных по горизонтали
# np.linspace - равномерно распределяет данные в количестве data.shape[1] в диапазоне от 0 до 1
# plt.colomaps[palette].array - выделяет RGBA значения в линейке палитры сообразно значениям np.linspace
category_colors = plt.colormaps['BuPu'](np.linspace(0, 1, data.shape[1]))

# Строим график
fig, ax = plt.subplots(figsize=(15,6)) # определяем поле графика
# ax.invert_yaxis() # нет необходимости инвертировать порядок вывода категорий
# ax.xaxis.set_visible(False) # ну будем делать невидимыми метки по оси Х
ax.set_xlim(0, data.sum(axis=1).max()) # Для универсальности установим границы значений для оси X 
#    от 0 до максимума суммы по горизонтали. В нашем случае верхняя граница всегда = 100

# Выведем график в цикле последовательной прорисовка каждой категории
# столбец графика и цвет по спискам категорий и цветов
for i, (colname, color) in enumerate(zip(category_names, category_colors)): 
        widths = data.iloc[:, i]  # длина столбца данной категории (значения все строк и данного стоблца в data)
        starts = data_cum.iloc[:, i] - widths  # начало отрисовки столбца данной категории аналогично от суммарных значений
        rects = ax.barh(labels, widths, left=starts, height=0.7,
                        label=colname, color=color) # определяем прямоугольники графика для каждой категории
        
        # определяем зависимость цвета подписей на графике от значений RGB:
        r, g, b, _ = color
        text_color = 'white' if r * g * b < 0.5 else 'black'
        # Определяем подписи на прямоугольниках графика
        ax.bar_label(rects, label_type='center', color=text_color)
        # Определяем легенду
        ax.legend(ncol=len(category_names), bbox_to_anchor=(0.05, 1),
             loc='lower left', fontsize='small')
# Определяем заголовок
ax.set_title('Зависимость оценки производительности от расово-этнической принадлежности сотрудников, %', pad=40)
ax.title.set_size(14)

plt.show()


sql_quiery = \
"""
-- Создадим временное представление, запрос и датафрейм с оценкой производительности и семейным положением сотрудников,
-- Используем его для построения сетки графиков

CREATE OR REPLACE TEMPORARY VIEW 
    PerformancePerMarital AS
SELECT
    COUNT("Employee Number") AS empl_count,
    SUM(COUNT("Employee Number")) OVER (PARTITION BY maritaldesc) AS employees_per_marital,
    ROUND(
        COUNT("Employee Number") / (SUM(COUNT("Employee Number")) OVER (PARTITION BY maritaldesc))*100, 2)AS percent,
    "Performance Score",
    maritaldesc
FROM
    hr_dataset
GROUP BY
    "Performance Score",
    maritaldesc  
ORDER BY
    "Performance Score",
    maritaldesc 
;
SELECT * FROM PerformancePerMarital
;
"""
dfg_PerformancePerMarital1 = pd.read_sql(sql_quiery, conn)
dfg_PerformancePerMarital1


# Создадим сетку графиков зависимости оценки произаводительности от семейного пололжения сотрудников

g=sns.catplot(
    kind="bar",
    x="maritaldesc",
    y="percent",
    hue="maritaldesc",
    data=dfg_PerformancePerMarital1,
    col_order=['N/A- too early to review', '90-day meets', 
               'Fully Meets', 'Exceptional', 'Exceeds', 'Needs Improvement', 'PIP'],
    col="Performance Score",
    col_wrap=4,
    height=4,
    aspect = 1,
    palette="Dark2",
    margin_titles=True, 
    sharex=False, 
    sharey=False,
    dodge=False
    )

g.fig.suptitle(
    "Зависимость оценки производительности от семейного положения сотрудника", 
    fontsize=16, x=0.50, y=1.03)

# Определим размер подписи оси X
g.set_xlabels('Marital status', fontsize=12)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=12)
# Определим размер и поворот подписей под столбцами
g.set_xticklabels(rotation=0,fontsize=10)
# Изменим интервал между индивидуальными графиками
g.fig.subplots_adjust(hspace=0.2)
plt.show()


sql_quiery = \
"""
-- Создадим запрос и датафрейм с оценкой производительности и семейным положением сотрудников,
-- Используем временное представление, полученное ранее
-- Используем его для построения графика
   
SELECT 
    maritaldesc,
    SUM(
        CASE WHEN "Performance Score" = 'N/A- too early to review' 
        THEN percent 
        END) 
        AS "N/A- too early to review",
    SUM(
        CASE WHEN "Performance Score" = '90-day meets'
        THEN percent
        END)
        AS "90-day meets",
    SUM(
        CASE WHEN "Performance Score" = 'Fully Meets'
        THEN percent
        END)
        AS "Fully Meets",
    SUM(
        CASE WHEN "Performance Score" = 'Exceptional'
        THEN percent
        END)
        AS "Exceptional",
    SUM(
        CASE WHEN "Performance Score" = 'Exceeds'
        THEN percent
        END)
        AS "Exceeds",
    SUM(
        CASE WHEN "Performance Score" = 'Needs Improvement'
        THEN percent
        END)
        AS "Needs Improvement",
    SUM(
        CASE WHEN "Performance Score" = 'PIP'
        THEN percent
        END)
        AS "PIP"
        
FROM  
    PerformancePerMarital
GROUP BY
    maritaldesc
ORDER BY
    maritaldesc
"""
dfg_PerformancePerMarital2 = pd.read_sql(sql_quiery, conn, index_col='maritaldesc').fillna(0)
dfg_PerformancePerMarital2


data = dfg_PerformancePerMarital2 # Определим данные для графика
category_names = data.columns.tolist() # Определим список категорий грфика
labels = data.index.tolist() # Определим список заголовков столбцов графика
data_cum = data.cumsum(axis=1) # создадим ДФ с наращеным итогом данных (в данном случае - процентов)

# Создадим массив цветов в формате RGBA из цветовой гаммы сообразно категориям графика:
# data.shape[1] - размерность массива наших данных по горизонтали
# np.linspace - равномерно распределяет данные в количестве data.shape[1] в диапазоне от 0 до 1
# plt.colomaps[palette].array - выделяет RGBA значения в линейке палитры сообразно значениям np.linspace
category_colors = plt.colormaps['GnBu'](np.linspace(0, 1, data.shape[1]))

# Строим график
fig, ax = plt.subplots(figsize=(15,5)) # определяем поле графика
# ax.invert_yaxis() # нет необходимости инвертировать порядок вывода категорий
# ax.xaxis.set_visible(False) # ну будем делать невидимыми метки по оси Х
ax.set_xlim(0, data.sum(axis=1).max()) # Для универсальности установим границы значений для оси X 
#    от 0 до максимума суммы по горизонтали. В нашем случае верхняя граница всегда = 100

# Выведем график в цикле последовательной прорисовка каждой категории
# столбец графика и цвет по спискам категорий и цветов
for i, (colname, color) in enumerate(zip(category_names, category_colors)): 
        widths = data.iloc[:, i]  # длина столбца данной категории (значения все строк и данного стоблца в data)
        starts = data_cum.iloc[:, i] - widths  # начало отрисовки столбца данной категории аналогично от суммарных значений
        rects = ax.barh(labels, widths, left=starts, height=0.7,
                        label=colname, color=color) # определяем прямоугольники графика для каждой категории
        
        # определяем зависимость цвета подписей на графике от значений RGB:
        r, g, b, _ = color
        text_color = 'white' if r * g * b < 0.5 else 'black'
        # Определяем подписи на прямоугольниках графика
        ax.bar_label(rects, label_type='center', color=text_color)
        # Определяем легенду
        ax.legend(ncol=len(category_names), bbox_to_anchor=(0.05, 1),
             loc='lower left', fontsize='small')
# Определяем заголовок
ax.set_title('Оценка производительности сотрудников в зависимости от семейного положения, %', pad=40)
ax.title.set_size(14)

plt.show()


sql_quiery = \
"""
-- Создадим запрос и датафрейм со статусами занятости сотрудников и источниками найма.
-- Используем его для построения графика

WITH StatusPerSource AS
    (SELECT
        COUNT("Employee Number") AS empl_count,
        SUM(COUNT("Employee Number")) OVER (PARTITION BY "Employee Source") AS employees_per_source,
        ROUND(
            COUNT("Employee Number") / (SUM(COUNT("Employee Number")) OVER (PARTITION BY "Employee Source"))*100, 2) 
                AS percent,
        "Employment Status",
        "Employee Source"
    FROM
        hr_dataset
    GROUP BY
        "Employment Status",
        "Employee Source"

    ORDER BY
        "Employment Status",
        "Employee Source"
    )

SELECT 
    "Employee Source",
    SUM(
        CASE WHEN "Employment Status" = 'Future Start' 
        THEN percent 
        END) 
        AS "Future Start",
    SUM(
        CASE WHEN "Employment Status" = 'Active'
        THEN percent
        END)
        AS "Active",
    SUM(
        CASE WHEN "Employment Status" = 'Leave of Absence'
        THEN percent
        END)
        AS "Leave of Absence",
    SUM(
        CASE WHEN "Employment Status" = 'Voluntarily Terminated'
        THEN percent
        END)
        AS "Voluntarily Terminated",
    SUM(
        CASE WHEN "Employment Status" = 'Terminated for Cause'
        THEN percent
        END)
        AS "Terminated for Cause",
    SUM(empl_count) AS "Employees_Count"
        
FROM  
    StatusPerSource
GROUP BY
    "Employee Source"
ORDER BY
    "Employee Source"
    
"""
dfg_StatusPerSource = pd.read_sql(sql_quiery, conn, index_col="Employee Source").fillna(0)
dfg_StatusPerSource


data = dfg_StatusPerSource.iloc[:, [True, True, True, True, True, False]] # Определим данные для графика (без общего числа)
category_names = data.columns.tolist() # Определим список категорий грфика
labels = data.index.tolist() # Определим список заголовков столбцов графика
data_cum = data.cumsum(axis=1) # создадим ДФ с наращеным итогом данных (в данном случае - процентов)

# Создадим массив цветов в формате RGBA из цветовой гаммы сообразно категориям графика:
# data.shape[1] - размерность массива наших данных (определены в data= выше) по горизонтали
# np.linspace - равномерно распределяет данные в количестве data.shape[1] в диапазоне от 0 до 0.75
# plt.colomaps[palette].array - выделяет RGBA значения в линейке палитры сообразно значениям np.linspace
category_colors = plt.colormaps['viridis'](np.linspace(0, 0.75, data.shape[1]))

# Строим график
fig, ax = plt.subplots(figsize=(15,12)) # определяем поле графика
ax.invert_yaxis() # инвертируем порядок вывода категорий
# ax.xaxis.set_visible(False) # ну будем делать невидимыми метки по оси Х
ax.set_xlim(0, data.sum(axis=1).max()) # Для универсальности установим границы значений для оси X 
#    от 0 до максимума суммы по горизонтали. В нашем случае верхняя граница всегда = 100

# Выведем график в цикле последовательной прорисовка каждой категории
# столбец графика и цвет по спискам категорий и цветов
for i, (colname, color) in enumerate(zip(category_names, category_colors)): 
        widths = data.iloc[:, i]  # длина столбца данной категории (значения все строк и данного стоблца в data)
        starts = data_cum.iloc[:, i] - widths  # начало отрисовки столбца данной категории аналогично от суммарных значений
        rects = ax.barh(labels, widths, left=starts, height=0.8,
                        label=colname, color=color) # определяем прямоугольники графика для каждой категории
        
        # определяем зависимость цвета подписей на графике от значений RGB:
        r, g, b, _ = color
        text_color = 'white' if r * g * b < 0.5 else 'black'
        # Определяем подписи на прямоугольниках графика
        ax.bar_label(rects, label_type='center', color=text_color)
        # Определяем легенду
        ax.legend(ncol=len(category_names), bbox_to_anchor=(0.05, 1),
             loc='lower left', fontsize='small')
# Определяем заголовок
ax.set_title('Зависимость статуса занятости сотрудников от источника найма, %', pad=40)
ax.title.set_size(14)

plt.show()


sql_quiery = \
"""
WITH all_by_dptmnt AS 
(
    SELECT
        "Employee Source",
        department,
        position,
        COUNT("Employee Number") as all_employees
    FROM hr_dataset
    GROUP BY 
        "Employee Source",
        position,
        department 
),

active_by_dptmnt as
(
SELECT
        "Employee Source",
        department,
        position,
        COUNT("Employee Number") as working_employees
    FROM hr_dataset
    WHERE  -- Условие, что работники действующие
        "Employment Status" = 'Active' OR 
        "Employment Status" = 'Future Start' OR 
        "Employment Status" = 'Leave of Absence'
    GROUP BY 
        "Employee Source",
        position,
        department 
)

(
SELECT
    "Employee Source",
    department,
    position,
    all_employees,
    working_employees,
   (all_employees - working_employees) AS terminated_employees

FROM
    all_by_dptmnt
JOIN active_by_dptmnt USING(department, "Employee Source", position)


ORDER BY
    "Employee Source",
    department,
    position
    
)
UNION ALL
(SELECT 
    'TOTALS',
    'Totals',
    'totals',
    SUM(all_employees) AS "all_employees",
    SUM(working_employees) AS "working_employees",
    (SUM(all_employees) - SUM(working_employees)) AS "terminated_employees"

FROM
    all_by_dptmnt
LEFT JOIN active_by_dptmnt USING(department, "Employee Source", position)
)
;
"""

df_deptmnt_and_source_dependance = pd.read_sql(sql_quiery, conn, index_col=["Employee Source", 
                                                                            'department',
                                                                            'position'
                                                                            ])
df_deptmnt_and_source_dependance


# Создадим датафрейм для постоения графика на основе предыдущего 
# Уберём мультииндекс, новый индекс создавать не буедм, уберём строку (TOTALS)
dfg_deptmnt_and_source_dependance = df_deptmnt_and_source_dependance['all_employees'].reset_index([0,1,2])[0:-1]
#dfg_deptmnt_and_source_dependance

# Изменим размер шрифта, используемый по умолчанию (чтобы заголовки фасеток не наслаивались друг на друга)
sns.set(font_scale=.8)
# Определим столбчатую диаграмму с подсчётом значений по категориям
g = sns.catplot(x="position",
                y="all_employees",
                col="Employee Source", 
                hue="department",
                legend=False,  # Не будем выводить легенду внутри сетки у нас будет отдельная
                legend_out=True,  # Определяем вывод отдельной легенды
                col_wrap=4,
                sharex=False,
                sharey=False,
                data=dfg_deptmnt_and_source_dependance,
                kind="bar",
                height=3, 
                aspect=1,
                dodge=False
                ) # Определим столбчатую диаграмму с подсчётом значений по категориям

# Определим заголовк графика
g.fig.suptitle("Распределение должностей по источникам найма для всех сотрудников в разрезе департаментов, чел.", 
               fontsize=16, x=0.32, y=1.06)
# Изменим интервал между индивидуальными графиками
g.fig.subplots_adjust(hspace=1.5)

# Определим размер подписи оси X
g.set_xlabels(fontsize=9)
# Определим размер подписи оси Y
g.set_ylabels(label="Employee count", fontsize=9)
# Определим размер и поворот подписей под столбцами
g.set_xticklabels(rotation=90, fontsize=8)

# Добавляем общую легенду, определяем её размеры и рамещение (x,y,width,height), количество полей и название
g.add_legend(bbox_to_anchor=(0, 0.84, 0.65, 0.2), loc='upper center', ncol=6, title='Departments')

# Восстановим размер шрифта, используемый по умолчанию.
sns.set(font_scale=1)
plt.show()


# Создадим DF для исследования распределения источников найма сотрудников компаниии по дате найма
# Здесь нет необходимости учитывать годы, в которых никто не был принят на работу, в каждом году кто-то принимался.
# Поэтому не будем привязывать данные к сплошной временной шкале.

sql_quiery = \
"""
WITH 
employee_selection AS
    (SELECT
        "Employee Number",
        DATE_TRUNC('year', "Date of Hire") AS year, -- приведем даты найма к году
        "Employee Source" AS empl_source
    FROM
        hr_dataset
    ),
    
year_of_hire AS
    (SELECT
        year,
        COUNT("Employee Number") AS employee_count,
        empl_source
    FROM
        employee_selection
    GROUP BY 
        year,
        empl_source
    ),

totals AS
    (SELECT
        year,
        COUNT("Employee Number") AS employee_count,
        '[TOTAL]' AS empl_source
    FROM
        employee_selection
    GROUP BY 
        year
    )

    
(SELECT * 
FROM
year_of_hire)
UNION ALL
(SELECT * 
FROM
totals)

ORDER BY
    empl_source,
    year
;
"""

dfg_source_over_date_hire = pd.read_sql(sql_quiery, conn)
#dfg_source_over_date_hire


# Построим сетку графиков для зависимости источника найма от года приёма на работу сотрудника

# Данные для каждого источника найма разместим в отдельном графике сетки
g = sns.relplot(data=dfg_source_over_date_hire,
                x="year",
                y="employee_count", 
                col="empl_source", 
                hue="empl_source",
                kind="line", 
                palette="gnuplot", 
                linewidth=4, 
                zorder=7,
                col_wrap=4, 
                legend=False,
                marker='o',
               facet_kws=dict(sharex=False, sharey=False)
               )

# Для каждого графика в сетке определим дополнительные параметры
for empl_source, ax in g.axes_dict.items(): # перебираем параметры индивидуальных графиков
    
    # Добавим заголовок каждого графика в виде аннотации, расположенной в пооле графика
    ax.text(.05, .95, empl_source, transform=ax.transAxes, fontweight="bold")
    
    # Построим "теневые" графики для других источников найма в поле каждого графика, кроме [TOTAL]
    sns.lineplot(data=dfg_source_over_date_hire[dfg_source_over_date_hire['empl_source'] != '[TOTAL]'], 
                 x="year", 
                 y="employee_count", 
                 units="empl_source",
                 estimator=None, 
                 color=".7", 
                 linewidth=1, 
                 ax=ax
                )

# Уберём индивидуальные заголовки графиков
g.set_titles("")
# Установим "плотное" расположение графиков
g.tight_layout()
# Определим общий заголовок графика
g.fig.suptitle(
    "Зависимость источника найма от года приёма на работу сотрудника", 
    fontsize=16, x=0.50, y=1.015)
plt.show()


# Создадим DF для исследования распределения источников найма сотрудников компаниии по дате найма
# Здесь нет необходимости учитывать годы, в которых никто не был принят на работу, в каждом году кто-то принимался.
# Поэтому не будем привязывать данные к сплошной временной шкале.

sql_quiery = \
"""
WITH 
employee_selection AS
    (SELECT
        "Employee Number",
        DATE_TRUNC('year', "Date of Termination") AS year, -- приведем даты найма к году
        "Employee Source" AS empl_source
    FROM
        hr_dataset
    WHERE  -- Условие, что работники не действующие
        "Employment Status" = 'Voluntarily Terminated' OR 
        "Employment Status" = 'Terminated for Cause'
    ),
    
year_of_term AS
    (SELECT
        year,
        COUNT("Employee Number") AS employee_count,
        empl_source
    FROM
        employee_selection
    GROUP BY 
        year,
        empl_source
    ),

totals AS
    (SELECT
        year,
        COUNT("Employee Number") AS employee_count,
        '[TOTAL]' AS empl_source
    FROM
        employee_selection
    GROUP BY 
        year
    )

    
(SELECT * 
FROM
year_of_term)
UNION ALL
(SELECT * 
FROM
totals)

ORDER BY
    empl_source,
    year
;
"""

dfg_source_over_date_term = pd.read_sql(sql_quiery, conn)
#dfg_source_over_date_term


# Построим сетку графиков для зависимости источника найма от года приёма на работу сотрудника

# Данные для каждого источника найма разместим в отдельном графике сетки
g = sns.relplot(data=dfg_source_over_date_term,
                x="year",
                y="employee_count", 
                col="empl_source", 
                hue="empl_source",
                kind="line", 
                palette="gnuplot", 
                linewidth=4, 
                zorder=7,
                col_wrap=4, 
                legend=False,
                marker='o',
               facet_kws=dict(sharex=False, sharey=False)
               )

# Для каждого графика в сетке определим дополнительные параметры
for empl_source, ax in g.axes_dict.items(): # перебираем параметры индивидуальных графиков
    
    # Добавим заголовок каждого графика в виде аннотации, расположенной в пооле графика
    ax.text(.05, .95, empl_source, transform=ax.transAxes, fontweight="bold")
    
    # Построим "теневые" графики для других источников найма в поле каждого графика, кроме [TOTAL]
    sns.lineplot(data=dfg_source_over_date_hire[dfg_source_over_date_hire['empl_source'] != '[TOTAL]'], 
                 x="year", 
                 y="employee_count", 
                 units="empl_source",
                 estimator=None, 
                 color=".7", 
                 linewidth=1, 
                 ax=ax
                )

# Уберём индивидуальные заголовки графиков
g.set_titles("")
# Установим "плотное" расположение графиков
g.tight_layout()
# Определим общий заголовок графика
g.fig.suptitle(
    "Зависимость источника найма от года увольнения сотрудника", 
    fontsize=16, x=0.50, y=1.015)
plt.show()


# Создадим DF для исследования распределения возрастов сотрудников компаниии на дату найма в компанию 
# в зависимости с источниками найма

sql_quiery = \
"""
WITH 
employee_selection AS
    (SELECT
        "Employee Number",
-- приведём разницу между датой найма и датой рождения к годам
    CAST(EXTRACT(year FROM AGE("Date of Hire", dob)) AS INTEGER) AS age_of_hire, 
        "Employee Source" AS empl_source
    FROM
        hr_dataset
    ),

count_per_age AS
    (SELECT
        empl_source,
        age_of_hire, 
        COUNT("Employee Number") AS employee_count
    FROM
        employee_selection
    GROUP BY 
         empl_source,
         age_of_hire 
    ),
    
totals AS
    (SELECT
        '[TOTAL]' AS empl_source,
        age_of_hire,
        COUNT("Employee Number") AS employee_count
    FROM
        employee_selection
    GROUP BY 
        age_of_hire
    )
    
(SELECT * 
FROM
    count_per_age)
UNION ALL
(SELECT * 
FROM
    totals)    
ORDER BY
    empl_source,
    age_of_hire 

;
"""

dfg_source_over_age = pd.read_sql(sql_quiery, conn)
#dfg_source_over_age


g=sns.catplot(x="empl_source", 
              y="age_of_hire", 
              hue="empl_source", 
              data=dfg_source_over_age,
              kind='box', 
              height=5, 
              aspect=2.5, 
              palette="tab20b",
              dodge=False
             )
g.fig.suptitle(
    "Распеределение возрастов сотрудников на дату найма по источниками найма",
    fontsize=16, x=0.50, y=1.03)

# Определим размер подписи оси X
g.set_xlabels('Employee Source', fontsize=12)
# Определим размер подписи оси Y
g.set_ylabels('Age when hired', fontsize=12)
# Определим размер и поворот подписей под столбцами
g.set_xticklabels(rotation=90,fontsize=10)
# Установим отметки шкалы Y
plt.yticks(list(range(15, 70, 5)))
plt.show()


# Создадим DF для исследования распределения пола сотрудников компаниии
# в зависимости с источниками найма

sql_quiery = \
"""
WITH 
employee_selection AS
    (SELECT
        "Employee Number",
        sex,
        "Employee Source" AS empl_source
    FROM
        hr_dataset
    ),

count_per_sex AS
    (SELECT
        empl_source,
        sex, 
        COUNT("Employee Number") AS employee_count
    FROM
        employee_selection
    GROUP BY 
         empl_source,
         sex 
    )

SELECT * 
FROM
    count_per_sex
ORDER BY
    empl_source,
    sex 

;
"""

dfg_source_over_sex = pd.read_sql(sql_quiery, conn)
#dfg_source_over_sex


# Построим график полового распределения сотрудников по источниками найма
g=sns.catplot(x="empl_source", 
            y="employee_count", 
            hue="sex", 
            hue_order=['Female', 'Male'],
            data=dfg_source_over_sex,
            kind='bar', 
            height=5, 
            aspect=2.5, 
            palette="Pastel1"
           )

g.fig.suptitle(
    "Половое распределение сотрудников по источниками найма",
    fontsize=16, x=0.50, y=1.03)

# Определим размер подписи оси X
g.set_xlabels('Employee Source', fontsize=12)
# Определим размер подписи оси Y
g.set_ylabels('Employee Count', fontsize=12)
# Определим размер и поворот подписей под столбцами
g.set_xticklabels(rotation=90,fontsize=10)
# Установим отметки шкалы Y
plt.yticks(list(range(0, 21, 2)))
plt.show()


# Создадим DF для исследования распределения сотрудников компаниии по расово-этнической принадлжености 
# в зависимости с источниками найма

sql_quiery = \
"""
WITH 
employee_selection AS
    (SELECT
        "Employee Number",
        racedesc,
        "Employee Source" AS empl_source
    FROM
        hr_dataset
    ),

count_per_race AS
    (SELECT
        empl_source,
        racedesc, 
        COUNT("Employee Number") AS employee_count
    FROM
        employee_selection
    GROUP BY 
         empl_source,
         racedesc 
    )

SELECT * 
FROM
    count_per_race
ORDER BY
    empl_source,
    racedesc 

;
"""

dfg_source_over_race = pd.read_sql(sql_quiery, conn)
#dfg_source_over_race


# Построим график распределения сотрудников по расовому признаку по источниками найма
g=sns.catplot(x="empl_source", 
              y="employee_count", 
              hue="racedesc", 
              data=dfg_source_over_race,
              kind='bar', 
              height=5, 
              aspect=2.5, 
              palette="tab10",
              alpha=1,
              legend_out=False,
              dodge=True
           )

g.fig.suptitle(
    "Распределение сотрудников по расовому признаку и по источникам найма",
    fontsize=16, x=0.50, y=1.03)

# Определим размер подписи оси X
g.set_xlabels('Employee Source', fontsize=12)
# Определим размер подписи оси Y
g.set_ylabels('Employee Count', fontsize=12)
# Определим размер и поворот подписей под столбцами
g.set_xticklabels(rotation=90,fontsize=10)
# Установим отметки шкалы Y
plt.yticks(list(range(0, 28, 2)))
plt.show()


# Создадим DF для исследования распределения сотрудников компаниии по семейному положению 
# в зависимости с источниками найма

sql_quiery = \
"""
WITH 
employee_selection AS
    (SELECT
        "Employee Number",
        maritaldesc,
        "Employee Source" AS empl_source
    FROM
        hr_dataset
    ),

count_per_marital AS
    (SELECT
        empl_source,
        maritaldesc, 
        COUNT("Employee Number") AS employee_count
    FROM
        employee_selection
    GROUP BY 
         empl_source,
         maritaldesc 
    )

SELECT * 
FROM
    count_per_marital
ORDER BY
    empl_source,
    maritaldesc 

;
"""

dfg_source_over_marital = pd.read_sql(sql_quiery, conn)
#dfg_source_over_marital


# Построим график распределения сотрудников по расовому признаку по источниками найма
g=sns.catplot(x="empl_source", 
              y="employee_count", 
              hue="maritaldesc", 
              data=dfg_source_over_marital,
              kind='bar', 
              height=5, 
              aspect=2.5, 
              palette="Set2",
              alpha=1,
              legend_out=False,
              dodge=True
           )

g.fig.suptitle(
    "Распределение сотрудников по семейному положению и по источникам найма",
    fontsize=16, x=0.50, y=1.03)

# Определим размер подписи оси X
g.set_xlabels('Employee Source', fontsize=12)
# Определим размер подписи оси Y
g.set_ylabels('Employee Count', fontsize=12)
# Определим размер и поворот подписей под столбцами
g.set_xticklabels(rotation=90,fontsize=10)
# Установим отметки шкалы Y
plt.yticks(list(range(0, 18, 2)))
plt.show()


# Создадим DF для исследования распределения сотрудников компаниии по дате найма в компанию
# На временной шкале надо учесть и месяцы, в которых никто не был принят на работу.

sql_quiery = \
"""
-- создадим подзапросы для выборки из hr_dataset, а также для общей шкалы времени от минимальной даты приема
-- на работу до максимальной (generate_series()). Объединим их на основе месяца с сохранением всех данных полной временной
-- шкалы
WITH 
employee_selection AS
    (SELECT
        "Employee Number",
        "Employment Status",
        DATE_TRUNC('month', "Date of Hire") AS month -- приведем даты найма к месяцу (начало месяца)
    FROM
        hr_dataset
    ),
    
month_of_hire AS
    (SELECT
        COUNT("Employee Number") AS employee_count,
        "Employment Status",
        month
    FROM
        employee_selection
    GROUP BY 
        "Employment Status",
        month
    ORDER BY
        "Employment Status",
        month
    ),

months AS
    (SELECT
        month
    FROM generate_series(
        (SELECT DATE_TRUNC('month', MIN("Date of Hire")) 
            FROM hr_dataset), -- выберем минимальную дату приема на работу
        (SELECT DATE_TRUNC('month', MAX("Date of Hire")) 
            FROM hr_dataset), -- выберем максимальную дату приема на работу
        '1 month') AS month  -- выберем месячный интервал
    )

SELECT * FROM
months
LEFT OUTER JOIN 
month_of_hire
USING(month)
;
"""

df_date_hire_over_empl_status = pd.read_sql(sql_quiery, conn)
df_date_hire_over_empl_status


# Создадим график распределения сотрудников по месяцу и году найма в компанию в зависимости от статуса занятости
g=sns.relplot(data=df_date_hire_over_empl_status,
              x="month",
              y="employee_count",
              hue="Employment Status",
              hue_order=["Active","Leave of Absence", "Future Start", "Voluntarily Terminated", "Terminated for Cause"],
              height=6,
              aspect=2.1,
              palette="Set1",
              alpha=0.9,
              ci=False,
              kind="line",
              marker='o'
             )
# Определим шкалу как временной диапазон в формате Pandas с квартальными интервалами (для читаемости):
scale_span = pd.date_range(start=df_date_hire_over_empl_status['month'].min(),
                           end= df_date_hire_over_empl_status['month'].max(),
                           freq='QS').tolist()

plt.xticks(ticks=scale_span, fontsize=12, rotation=90)  # установим шкалу X и размер её обозначений 
plt.yticks(ticks=list(range(0, 15, 1)), fontsize=14)  # Установим шкалу Y и иразмер обозначения для шкалы Y

# Определим формат подписей шкалы как YYYY-MM 
g.axes[0,0].xaxis.set_major_formatter(mpl.dates.DateFormatter('%Y-%m'))

g.set_xlabels("Months", fontsize=15)  # Размер подписей шкалы X
g.set_ylabels("Employee Count", fontsize=14)  # Размер подписей шкалы Y

# Заголовок графика:
g.fig.suptitle("Общее распеределение сотрудников по месяцу и году найма в зависимости от статуса занятости",
               fontsize=16, y=1.025)
plt.show()


# Создадим DF для исследования распределения сотрудников компаниии по дате найма в компанию в зависимости от возраста
# на момент найма
# На временной шкале надо учесть и месяцы, в которых никто не был принят на работу.

sql_quiery = \
"""
-- создадим подзапросы для выборки из hr_dataset, а также для общей шкалы времени от минимальной даты приема
-- на работу до максимальной (generate_series()). Объединим их на основе месяца с сохранением всех данных полной временной
-- шкалы
WITH 
employee_selection AS
    (SELECT
        "Employee Number",
        CAST(EXTRACT(year FROM AGE("Date of Hire", dob)) AS INTEGER) AS age, --приведем возраст к значению на дату найма
        DATE_TRUNC('month', "Date of Hire") AS month -- приведем даты найма к месяцу (начало месяца)
    FROM
        hr_dataset
    ),
    
months AS
    (SELECT
        month
    FROM generate_series(
        (SELECT DATE_TRUNC('month', MIN("Date of Hire")) 
            FROM hr_dataset), -- выберем минимальную дату приема на работу
        (SELECT DATE_TRUNC('month', MAX("Date of Hire")) 
            FROM hr_dataset), -- выберем максимальную дату приема на работу
        '1 month') AS month  -- выберем месячный интервал
    )

SELECT * FROM
months
LEFT OUTER JOIN 
employee_selection
USING(month)
;
"""

dfg_date_hire_over_age = pd.read_sql(sql_quiery, conn)
#dfg_date_hire_over_age


# Построим график зависимости даты найма и возраста найма
g=sns.relplot(x="month",
              y="age",
              data=dfg_date_hire_over_age,
              kind='scatter',
              height=5,
              aspect=2.8
             )
# Определим шкалу как временной диапазон в формате Pandas с квартальными интервалами (для читаемости):
scale_span = pd.date_range(start=dfg_date_hire_over_age['month'].min(),
                           end= dfg_date_hire_over_age['month'].max(),
                           freq='QS').tolist()

plt.xticks(ticks=scale_span, fontsize=12, rotation=90)  # установим шкалу X и размер её обозначений 
plt.yticks(ticks=list(range(15, 70, 5)), fontsize=14)  # Установим шкалу Y и иразмер обозначения для шкалы Y

# Определим формат подписей шкалы как YYYY-MM 
g.axes[0,0].xaxis.set_major_formatter(mpl.dates.DateFormatter('%Y-%m'))

g.set_xlabels("Months", fontsize=15)  # Размер подписей шкалы X
g.set_ylabels("Age", fontsize=14)  # Размер подписей шкалы Y

# Заголовок графика:
g.fig.suptitle("Зависимость даты найма и возраста сотрудников на дату найма",
               fontsize=16, y=1.025)

# Обозначим отдельным цветом "критичные" части графика
g.axes[0,0].axvspan("2011-01", "2012-05", facecolor="orange", alpha=0.25)
g.axes[0,0].axvspan("2012-07", "2013-05", facecolor="orange", alpha=0.25)
g.axes[0,0].axvspan("2013-07", "2015-05", facecolor="orange", alpha=0.25)
g.axes[0,0].axvspan("2016-05", "2017-04", facecolor="orange", alpha=0.25)
g.axes[0,0].axhspan(18, 45, facecolor="deeppink", alpha=0.25)

plt.show()


# Создадим DF для исследования распределения сотрудников компаниии по дате найма в компанию в зависимости от пола
# На временной шкале надо учесть и месяцы, в которых никто не был принят на работу.

sql_quiery = \
"""
-- создадим подзапросы для выборки из hr_dataset, а также для общей шкалы времени от минимальной даты приема
-- на работу до максимальной (generate_series()). Объединим их на основе месяца с сохранением всех данных полной временной
-- шкалы
WITH 
employee_selection AS
    (SELECT
        "Employee Number",
        sex,
        DATE_TRUNC('month', "Date of Hire") AS month -- приведем даты найма к месяцу (начало месяца)
    FROM
        hr_dataset
    ),
    
months AS
    (SELECT
        month
    FROM generate_series(
        (SELECT DATE_TRUNC('month', MIN("Date of Hire")) 
            FROM hr_dataset), -- выберем минимальную дату приема на работу
        (SELECT DATE_TRUNC('month', MAX("Date of Hire")) 
            FROM hr_dataset), -- выберем максимальную дату приема на работу
        '1 month') AS month  -- выберем месячный интервал
    )

SELECT * FROM
months
LEFT OUTER JOIN 
employee_selection
USING(month)
;
"""

dfg_date_hire_over_sex = pd.read_sql(sql_quiery, conn)
#dfg_date_hire_over_sex


# Построим график зависимости даты найма и пола сотрудника
g=sns.displot(x="month",
              data=dfg_date_hire_over_sex,
              col="sex",
              col_wrap=1,
              hue="sex",
              binwidth=91,
              kde=True,
              height=4,
              aspect=2.8,
              facet_kws=dict(sharex=True, sharey=True)
             )

# Определим шкалу как временной диапазон в формате Pandas с квартальными интервалами (для читаемости):
scale_span = pd.date_range(start=dfg_date_hire_over_sex['month'].min(),
                           end= dfg_date_hire_over_sex['month'].max(),
                           freq='QS').tolist()

plt.xticks(ticks=scale_span, fontsize=12, rotation=90)  # установим шкалу X и размер её обозначений 

# Определим формат подписей шкалы как YYYY-MM 
g.axes[1].xaxis.set_major_formatter(mpl.dates.DateFormatter('%Y-%m'))

g.set_xlabels("Months", fontsize=15)  # Размер подписей шкалы X
g.set_ylabels(fontsize=14)  # Размер подписей шкалы Y

# Заголовок графика:
g.fig.suptitle("Зависимость даты найма и половой принадлежности сотрудника",
               fontsize=16, y=1.025)
plt.show()


# Создадим DF для исследования распределения сотрудников компаниии по дате найма в компанию в зависимости от 
# расово-этнической принадлежности.
# На временной шкале надо учесть и месяцы, в которых никто не был принят на работу.

sql_quiery = \
"""
-- создадим подзапросы для выборки из hr_dataset, а также для общей шкалы времени от минимальной даты приема
-- на работу до максимальной (generate_series()). Объединим их на основе месяца с сохранением всех данных полной временной
-- шкалы
WITH 
employee_selection AS
    (SELECT
        "Employee Number",
        racedesc,
        DATE_TRUNC('month', "Date of Hire") AS month -- приведем даты найма к месяцу (начало месяца)
    FROM
        hr_dataset
    ),
    
months AS
    (SELECT
        month
    FROM generate_series(
        (SELECT DATE_TRUNC('month', MIN("Date of Hire")) 
            FROM hr_dataset), -- выберем минимальную дату приема на работу
        (SELECT DATE_TRUNC('month', MAX("Date of Hire")) 
            FROM hr_dataset), -- выберем максимальную дату приема на работу
        '1 month') AS month  -- выберем месячный интервал
    )

SELECT * FROM
months
LEFT OUTER JOIN 
employee_selection
USING(month)
;
"""

dfg_date_hire_over_racedesc = pd.read_sql(sql_quiery, conn)
#dfg_date_hire_over_racedesc


# Построим график зависимости даты найма и расово-этнической принадлежности сотрудника
g=sns.displot(x="month",
              data=dfg_date_hire_over_racedesc,
              col="racedesc",
              col_wrap=1,
              hue="racedesc",
              binwidth=91,
              kde=True,
              height=4,
              aspect=2.8,
              facet_kws=dict(sharex=True, sharey=True)
             )

# Определим шкалу как временной диапазон в формате Pandas с квартальными интервалами (для читаемости):
scale_span = pd.date_range(start=dfg_date_hire_over_sex['month'].min(),
                           end= dfg_date_hire_over_sex['month'].max(),
                           freq='QS').tolist()

plt.xticks(ticks=scale_span, fontsize=12, rotation=90)  # установим шкалу X и размер её обозначений 

# Определим формат подписей шкалы как YYYY-MM 
g.axes[1].xaxis.set_major_formatter(mpl.dates.DateFormatter('%Y-%m'))

g.set_xlabels("Months", fontsize=15)  # Размер подписей шкалы X
g.set_ylabels(fontsize=14)  # Размер подписей шкалы Y

# Заголовок графика:
g.fig.suptitle("Зависимость даты найма и расово-этнической принадлежности сотрудника",
               fontsize=16, y=1.025)
plt.show()


# Создадим DF для исследования распределения сотрудников компаниии по дате найма в компанию в зависимости от 
# семейного положения.
# На временной шкале надо учесть и месяцы, в которых никто не был принят на работу.

sql_quiery = \
"""
-- создадим подзапросы для выборки из hr_dataset, а также для общей шкалы времени от минимальной даты приема
-- на работу до максимальной (generate_series()). Объединим их на основе месяца с сохранением всех данных полной временной
-- шкалы
WITH 
employee_selection AS
    (SELECT
        "Employee Number",
        maritaldesc,
        DATE_TRUNC('month', "Date of Hire") AS month -- приведем даты найма к месяцу (начало месяца)
    FROM
        hr_dataset
    ),
    
months AS
    (SELECT
        month
    FROM generate_series(
        (SELECT DATE_TRUNC('month', MIN("Date of Hire")) 
            FROM hr_dataset), -- выберем минимальную дату приема на работу
        (SELECT DATE_TRUNC('month', MAX("Date of Hire")) 
            FROM hr_dataset), -- выберем максимальную дату приема на работу
        '1 month') AS month  -- выберем месячный интервал
    )

SELECT * FROM
months
LEFT OUTER JOIN 
employee_selection
USING(month)
;
"""

dfg_date_hire_over_maritaldesc = pd.read_sql(sql_quiery, conn)
#dfg_date_hire_over_maritaldesc


# Построим график зависимости даты найма и семейного положения сотрудника
g=sns.displot(x="month",
              data=dfg_date_hire_over_maritaldesc,
              col="maritaldesc",
              col_wrap=1,
              hue="maritaldesc",
              binwidth=91,
              kde=True,
              height=4,
              aspect=2.8,
              facet_kws=dict(sharex=True, sharey=True)
             )

# Определим шкалу как временной диапазон в формате Pandas с квартальными интервалами (для читаемости):
scale_span = pd.date_range(start=dfg_date_hire_over_sex['month'].min(),
                           end= dfg_date_hire_over_sex['month'].max(),
                           freq='QS').tolist()

plt.xticks(ticks=scale_span, fontsize=12, rotation=90)  # установим шкалу X и размер её обозначений 

# Определим формат подписей шкалы как YYYY-MM 
g.axes[1].xaxis.set_major_formatter(mpl.dates.DateFormatter('%Y-%m'))

g.set_xlabels("Months", fontsize=15)  # Размер подписей шкалы X
g.set_ylabels(fontsize=14)  # Размер подписей шкалы Y

# Заголовок графика:
g.fig.suptitle("Зависимость даты найма и семейного положения сотрудника",
               fontsize=16, y=1.025)
plt.show()


sql_quiery = \
"""
-- Создадим запрос и датафрейм с формулировками причин увольнения и зарплатными ставками по должностям, 
-- независимо от того, сколько человек на них работает или работало
-- Используем его для построения сетки графиков

WITH
    TermPositionsSchedule AS
    (SELECT
        department,
        position,
        COUNT("Employee Number") AS empl_count
    FROM hr_dataset
    GROUP BY
        department,
        position
    ORDER BY
        department,
        position
    ),

    TermEmployeesBySchedule AS
    (SELECT
        department,
        position,
        "Employee Number",
        "Employee Name",
        CASE
            WHEN 
                ("Employment Status" = 'Active' OR
                "Employment Status" = 'Leave of Absence' OR
                "Employment Status" = 'Future Start')
                THEN 'Current Stuff'
            WHEN "Employment Status" = 'Voluntarily Terminated'
                THEN 'Voluntarily Terminated'
            WHEN "Employment Status" = 'Terminated for Cause'
                THEN 'Terminated for Cause'
            END 
                AS "Employment Status",
        "Reason For Term",
        CAST("Pay Rate" * 2080 AS INTEGER) AS usd_per_year
    FROM hr_dataset
    ORDER BY
        department,
        position,
        "Pay Rate",
        "Employee Number",
        "Reason For Term"
    )
SELECT 
    *
FROM 
    TermPositionsSchedule
    LEFT JOIN
    TermEmployeesBySchedule
    USING (department, position)

;

"""
dfg_TermReasonAndPayrate = pd.read_sql(sql_quiery, conn)
dfg_TermReasonAndPayrate


# Создадим сетку графиков с формулировками причин увольнения и зарплатными ставками в разрезе должностей и департаментов

g=sns.catplot(
    kind="strip",
    x="position",
    y="usd_per_year",
    hue="Reason For Term",
    data=dfg_TermReasonAndPayrate,
    col="Employment Status",
    row="department",
    col_order=["Current Stuff", "Voluntarily Terminated", "Terminated for Cause"],
    height=4.5,
    aspect = 0.8,
    palette="tab20",
    margin_titles=True, 
    sharex=False, 
    sharey=True,
    marker='8',
    s=8,
    jitter=True,
    alpha=1)

g.fig.suptitle(
    "Зависимость формулировки причины увольнения от годовой заработной платы, должностей и подразделений", 
    fontsize=16, x=0.50, y=1.01)

# К каждому фасеточному графику добавим горизонтальную линию медианы ставки заработной платы
# Для этого определим функцию построения горизонтальной линии и её подписи
def pay_rate_line(y, **kwargs):
    # Построение линии медианы на основе принимаемых значений x, цвет, толщина, стиль
    plt.axhline(y.median(), color='maroon', linewidth=0.75, linestyle=':')
    # Создание подписи к линии медианы
    plt.annotate(
        text=f"медиана департамента:", # Аннотация линии медианы.
        xy=(0,1),  # Положение текста
        xycoords="axes fraction",
        horizontalalignment='left',  # Выравнивание текста по горизонтали
        verticalalignment='top',  # Выравнивание текста по вертикали
        rotation=None, # Поворот подписи
        color='maroon', # Цвет надписи
        alpha=0.75,
        fontsize=10
    )
    
# Определяем "разметку" для исполнения функции построения линии медианы каждого фасеточного графика
# Передаём функции размеры ставок заработной платы 
g.map(pay_rate_line, 'usd_per_year')

# Определим размер подписи оси X
g.set_xlabels(fontsize=10)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=10)
# Определим размер и поворот подписей под столбцами
g.set_xticklabels(rotation=90,fontsize=9)
# Изменим интервал между индивидуальными графиками
g.fig.subplots_adjust(hspace=0.7)
plt.show()


sql_quiery = \
"""
-- Создадим запрос и датафрейм с формулировками причин увольнения и персоналиями начальников. 
-- Нас интересуют только уволенные сотрудники.
-- Используем ДФ для построения сетки графиков

SELECT
    "Manager Name",
    Department,
    COUNT("Employee Number"),
-- Так как формулировки увольнения могут совпадать при увольнении по собственной инициативе и при увольнении по 
-- инициативе руководстрва, чтобы не перегружать таблицу и график еще одним признаком, 
-- введём этот признак непосредственно в формулировку причины увольнения:
    CASE WHEN "Employment Status" = 'Voluntarily Terminated'
            THEN 
            CONCAT_WS(': ', 'SELF', "Reason For Term")
         WHEN "Employment Status" = 'Terminated for Cause'
            THEN
            CONCAT_WS(': ', 'ADM', "Reason For Term")
    END AS "Reason For Term" 
FROM hr_dataset
WHERE
   ("Employment Status" = 'Voluntarily Terminated' OR
   "Employment Status" = 'Terminated for Cause' )
GROUP BY 
    "Manager Name",
    Department,
    "Employment Status",
    "Reason For Term"
ORDER BY
    "Reason For Term",
    Department,
    "Manager Name"
;
"""
dfg_TermReasonAndManager = pd.read_sql(sql_quiery, conn)
dfg_TermReasonAndManager


# Создадим сетку графиков зависимости причин увольнения от персоналии начальника
# в разрезе должностей и департаментов

g=sns.catplot(
    kind="bar",
    x="Manager Name",
    y="count",
    hue="Reason For Term",
    data=dfg_TermReasonAndManager,
    col="department",
    col_wrap=1, # графики придётся сделать пошире, чтобы читались данные по Production
    height=4.5,
    aspect = 5,
    palette="tab20",
    margin_titles=True, 
    sharex=False, 
    sharey=False,
    alpha=1.0,
    dodge=True,
    legend=False,  # Не будем выводить легенду внутри сетки у нас будет отдельная
    legend_out=True,  # Определяем вывод отдельной легенды
    )

g.fig.suptitle(
    "Зависимость формулировок причин увольнения от персоналии начальника в разрезе подразделений", 
    fontsize=20, x=0.28, y=1.075)

# Определим размер подписи оси X
g.set_xlabels(fontsize=14)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=14)
# Определим размер и поворот подписей под столбцами
g.set_xticklabels(rotation=0,fontsize=14)
# Изменим интервал между индивидуальными графиками
g.fig.subplots_adjust(hspace=0.4)
# Добавляем общую легенду, определяем её размеры и рамещение (x,y,width,height), количество полей и название
g.add_legend(bbox_to_anchor=(0, 0.76, 0.6, 0.3), loc='upper center', ncol=6, title='Reasons for Termination', fontsize=14)
plt.show()


sql_quiery = \
"""
-- Создадим запрос и датафрейм с формулировками причин увольнения и сроками работы в компании. 
-- Нас интересуют только уволенные сотрудники.
-- Используем ДФ для построения графиков

SELECT
-- Так как формулировки увольнения могут совпадать при увольнении по собственной инициативе и при увольнении по 
-- инициативе руководстрва, чтобы не перегружать таблицу и график еще одним признаком, 
-- введём этот признак непосредственно в формулировку причины увольнения:
    CASE WHEN "Employment Status" = 'Voluntarily Terminated'
            THEN 
            CONCAT_WS(': ', 'SELF', "Reason For Term")
         WHEN "Employment Status" = 'Terminated for Cause'
            THEN
            CONCAT_WS(': ', 'ADM', "Reason For Term")
    END AS "Reason For Term",
    "Days Employed"
    
FROM hr_dataset
WHERE
   ("Employment Status" = 'Voluntarily Terminated' OR
   "Employment Status" = 'Terminated for Cause' )

ORDER BY
    "Reason For Term",
    "Days Employed" DESC
"""
dfg_TermReasonAndDays = pd.read_sql(sql_quiery, conn)
dfg_TermReasonAndDays


# Создадим график зависимости форомулировок причин увольнения от срока работы в компании
g=sns.catplot(
    kind="box",
    x="Reason For Term",
    y="Days Employed",
    hue="Reason For Term",
    data=dfg_TermReasonAndDays,
    height=10,
    aspect=2,
    palette="tab20",
    margin_titles=True, 
    sharex=True, 
    sharey=True,
    dodge=False
    )

# Определим заголовок графика
g.fig.suptitle(
    "Зависимость формулировок причин увольнения от срока работы в компании", 
    fontsize=20, x=0.28, y=1.2)

# catplot строит сетку графиков. Ниже мы адресуемся к единственному построенному графику, имеющиму в сетке коориднаты [0,0]


# Установим шаг шкалы Y в 90 дней.
g.axes[0][0].yaxis.set_major_locator(mpl.ticker.MultipleLocator(90))
# Установим диапазон шкалы Y от 0 до 2700 дней.
g.axes[0][0].set_ylim(0, 2700)
# Определим размер подписи оси X
g.set_xlabels(fontsize=14)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=14)
# Определим размер и поворот подписей под столбцами
g.set_xticklabels(rotation=80,fontsize=14)

# Для удобства чтения создадим дополнительную шкалу Y справа (см. matplotlib.axes.Axes.secondary_yaxis), 
# определим размерность шкалы в годах, создадим соответствующую подпись шкалы, определим её размер.
secax = g.axes[0][0].secondary_yaxis("right",functions=(lambda x:x/360, lambda x:x*360))
secax.set_ylabel('Years Employed',fontsize=14) 

# Добавляем общую легенду, определяем её размеры и рамещение (x,y,width,height), количество полей и название
g.add_legend(bbox_to_anchor=(0, 0.85, 0.575,0.3), loc='upper center', ncol=6, title='Reasons for Termination', fontsize=14)
plt.show()


sql_quiery = \
"""
-- Создадим запрос и датафрейм с формулировками причин увольнения и оценками производительности. 
-- Нас интересуют только уволенные сотрудники.
-- Используем ДФ для построения сетки графиков

SELECT
-- Так как формулировки увольнения могут совпадать при увольнении по собственной инициативе и при увольнении по 
-- инициативе руководстрва, чтобы не перегружать таблицу и график еще одним признаком, 
-- введём этот признак непосредственно в формулировку причины увольнения:
    CASE WHEN "Employment Status" = 'Voluntarily Terminated'
            THEN 
            CONCAT_WS(': ', 'SELF', "Reason For Term")
         WHEN "Employment Status" = 'Terminated for Cause'
            THEN
            CONCAT_WS(': ', 'ADM', "Reason For Term")
    END AS "Reason For Term",
    "Performance Score",
    COUNT("Employee Number")

FROM hr_dataset
WHERE
   ("Employment Status" = 'Voluntarily Terminated' OR
   "Employment Status" = 'Terminated for Cause' )
GROUP BY 
    "Performance Score",
    "Employment Status",
    "Reason For Term"
ORDER BY
    "Reason For Term",
    "Performance Score"
"""
dfg_TermReasonAndScore = pd.read_sql(sql_quiery, conn)
dfg_TermReasonAndScore


# Создадим сетку графиков зависимости формулировок причин увольнения от оценки произаводительности
# сотрудников 

g=sns.catplot(
    kind="bar",
    x="Reason For Term",
    y="count",
    hue="Reason For Term",
    data=dfg_TermReasonAndScore,
    col="Performance Score",
    ci=None,
    col_wrap=1,
    height=3.5,
    aspect=6,
    palette="tab20",
    margin_titles=True, 
    sharex=True, 
    sharey=True,
    alpha=1.0,
    dodge=False,
    legend=False,  # Не будем выводить легенду внутри сетки у нас будет отдельная
    legend_out=True,  # Определяем вывод отдельной легенды
    )

g.fig.suptitle(
    "Зависимость формулировок причин увольнения и оценки производительности", 
    fontsize=20, x=0.28, y=1.055)

# Определим размер подписи оси X
g.set_xlabels(fontsize=14)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=14)
# Определим размер и поворот подписей под столбцами
g.set_xticklabels(rotation=80,fontsize=14)
# Изменим интервал между индивидуальными графиками
g.fig.subplots_adjust(hspace=0.4)
# Добавляем общую легенду, определяем её размеры и рамещение (x,y,width,height), количество полей и название
g.add_legend(bbox_to_anchor=(0, 0.75, 0.575, 0.3), loc='upper center', 
             ncol=6, title='Reasons for Termination', fontsize=14)


# К каждому фасеточному графику добавим подпись с общим числом уволенных сотрудников
# Для этого определим функцию 
def empl_count_annotate(y, **kwargs):
    # Создание подписи
    plt.annotate(
        text=f"Общее число увольнений: {sum(y)}", # Текст аннотации.
        xy=(0.5, 0.75),  # Положение надписи
        xycoords="axes fraction",
        horizontalalignment='center',  # Выравнивание текста по горизонтали
        verticalalignment='center',  # Выравнивание текста по вертикали
        rotation=None, # Поворот подписи
        color='maroon', # Цвет надписи
        alpha=0.75,
        fontsize=18,
        # Добавим бокс вокруг надписи: округлый, отступ 0.3, белый фон, граница черная, толщина линии 2
        bbox=dict(boxstyle="round, pad=0.3", fc="white", ec="black", lw=2) 
    )

# Определяем "разметку" для исполнения функции построения подписи каждого фасеточного графика
# Передаём функции размеры ставок заработной платы 
g.map(empl_count_annotate, 'count')


plt.show()


sql_quiery = \
"""
-- Создадим запрос и датафрейм с формулировками причин увольнения и источниками найма. 
-- Нас интересуют только уволенные сотрудники.
-- Используем ДФ для построения сетки графиков

SELECT
--    Department,
-- Так как формулировки увольнения могут совпадать при увольнении по собственной инициативе и при увольнении по 
-- инициативе руководстрва, чтобы не перегружать таблицу и график еще одним признаком, 
-- введём этот признак непосредственно в формулировку причины увольнения:
    CASE WHEN "Employment Status" = 'Voluntarily Terminated'
            THEN 
            CONCAT_WS(': ', 'SELF', "Reason For Term")
         WHEN "Employment Status" = 'Terminated for Cause'
            THEN
            CONCAT_WS(': ', 'ADM', "Reason For Term")
    END AS "Reason For Term",
    "Employee Source",
    COUNT("Employee Number")

FROM hr_dataset
WHERE
   ("Employment Status" = 'Voluntarily Terminated' OR
   "Employment Status" = 'Terminated for Cause' )
GROUP BY 
    "Employee Source",
    "Employment Status",
    "Reason For Term"
ORDER BY
    "Reason For Term",
    "Employee Source"
"""
dfg_TermReasonAndSource = pd.read_sql(sql_quiery, conn)
dfg_TermReasonAndSource


# Создадим сетку графиков зависимости формулировок причин увольнения в зависимость от источнка найма сотрудников

g=sns.catplot(
    kind="bar",
    x="Reason For Term",
    y="count",
    hue="Reason For Term",
    data=dfg_TermReasonAndSource,
    col="Employee Source",
    ci=None,
    col_wrap=1,
    height=3.5,
    aspect=6,
    palette="tab20",
    margin_titles=True, 
    sharex=True, 
    sharey=True,
    alpha=1.0,
    dodge=False,
    legend=False,  # Не будем выводить легенду внутри сетки у нас будет отдельная
    legend_out=True,  # Определяем вывод отдельной легенды
    )

g.fig.suptitle(
    "Зависимость формулировок причин увольнения и источников найма", 
    fontsize=20, x=0.28, y=1.025)

# Определим размер подписи оси X
g.set_xlabels(fontsize=14)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=14)
# Определим размер и поворот подписей под столбцами
g.set_xticklabels(rotation=80,fontsize=14)
# Изменим интервал между индивидуальными графиками
g.fig.subplots_adjust(hspace=0.4)
# Добавляем общую легенду, определяем её размеры и рамещение (x,y,width,height), количество полей и название
g.add_legend(bbox_to_anchor=(0, 0.72, 0.575,0.3), loc='upper center', ncol=6, title='Reasons for Termination', fontsize=14)
plt.show()


# Создадим DF для исследования зависимости причин увольнения по дате найма
# Здесь нет необходимости учитывать годы, в которых никто не был принят на работу, в каждом году кто-то увольнялся.
# Поэтому не будем привязывать данные к сплошной временной шкале.

sql_quiery = \
"""
WITH 
employee_selection AS
    (SELECT
        "Employee Number",
        DATE_TRUNC('year', "Date of Hire") AS year, -- приведем даты найма к году
        CASE WHEN "Employment Status" = 'Voluntarily Terminated'
                THEN CONCAT_WS(': ', 'SELF', "Reason For Term")
             WHEN "Employment Status" = 'Terminated for Cause'
                THEN CONCAT_WS(': ', 'ADM', "Reason For Term")
        END AS termination_reason
    FROM
        hr_dataset
    WHERE
       ("Employment Status" = 'Voluntarily Terminated' OR
       "Employment Status" = 'Terminated for Cause' )
    ),
    
year_of_hire AS
    (SELECT
        year,
        COUNT("Employee Number") AS employee_count,
        termination_reason
    FROM
        employee_selection
    GROUP BY 
        year,
        termination_reason
    ),

totals AS
    (SELECT
        year,
        COUNT("Employee Number") AS employee_count,
        '[TOTAL]' AS termination_reason
    FROM
        employee_selection
    GROUP BY 
        year
    )

    
(SELECT * 
FROM
year_of_hire)
UNION ALL
(SELECT * 
FROM
totals)

ORDER BY
    termination_reason,
    year
;
"""

dfg_termreason_over_date_hire = pd.read_sql(sql_quiery, conn)
#dfg_termreason_over_date_hire


# Построим сетку графиков для зависимости причин увольнения от года приёма на работу сотрудника

# Данные для каждого источника найма разместим в отдельном графике сетки
g = sns.relplot(data=dfg_termreason_over_date_hire,
                x="year",
                y="employee_count", 
                col="termination_reason", 
                hue="termination_reason",
                kind="line", 
                palette="brg", 
                linewidth=4, 
                zorder=7,
                col_wrap=4, 
                legend=False,
                marker='o',
               facet_kws=dict(sharex=False, sharey=False)
               )

# Для каждого графика в сетке определим дополнительные параметры
for termination_reason, ax in g.axes_dict.items(): # перебираем параметры индивидуальных графиков
    
    # Добавим заголовок каждого графика в виде аннотации, расположенной в пооле графика
    ax.text(.05, .95, termination_reason, transform=ax.transAxes, fontweight="bold")
    
    # Построим "теневые" графики для других источников найма в поле каждого графика, кроме [TOTAL]
    sns.lineplot(data=dfg_termreason_over_date_hire[dfg_termreason_over_date_hire['termination_reason'] != '[TOTAL]'], 
                 x="year", 
                 y="employee_count", 
                 units="termination_reason",
                 estimator=None, 
                 color=".7", 
                 linewidth=1, 
                 ax=ax
                )

# Уберём индивидуальные заголовки графиков
g.set_titles("")
# Установим "плотное" расположение графиков
g.tight_layout()
# Определим общий заголовок графика
g.fig.suptitle("Зависимость причин увольнения от года приёма на работу сотрудника", 
               fontsize=16, x=0.50, y=1.015)

plt.show()


# Создадим DF для исследования зависимости причин увольнения по дате увольнения
# Здесь нет необходимости учитывать годы, в которых никто не был принят на работу, в каждом году кто-то увольнялся.
# Поэтому не будем привязывать данные к сплошной временной шкале.

sql_quiery = \
"""
WITH 
employee_selection AS
    (SELECT
        "Employee Number",
        DATE_TRUNC('year', "Date of Termination") AS year, -- приведем даты найма к году
        CASE WHEN "Employment Status" = 'Voluntarily Terminated'
                THEN CONCAT_WS(': ', 'SELF', "Reason For Term")
             WHEN "Employment Status" = 'Terminated for Cause'
                THEN CONCAT_WS(': ', 'ADM', "Reason For Term")
        END AS termination_reason
    FROM
        hr_dataset
    WHERE
       ("Employment Status" = 'Voluntarily Terminated' OR
       "Employment Status" = 'Terminated for Cause' )
    ),
    
year_of_hire AS
    (SELECT
        year,
        COUNT("Employee Number") AS employee_count,
        termination_reason
    FROM
        employee_selection
    GROUP BY 
        year,
        termination_reason
    ),

totals AS
    (SELECT
        year,
        COUNT("Employee Number") AS employee_count,
        '[TOTAL]' AS termination_reason
    FROM
        employee_selection
    GROUP BY 
        year
    )

    
(SELECT * 
FROM
year_of_hire)
UNION ALL
(SELECT * 
FROM
totals)

ORDER BY
    termination_reason,
    year
;
"""

dfg_termreason_over_date_term = pd.read_sql(sql_quiery, conn)
#dfg_termreason_over_date_term


# Построим сетку графиков для зависимости источника найма от года увольнения сотрудника

# Данные для каждого источника найма разместим в отдельном графике сетки
g = sns.relplot(data=dfg_termreason_over_date_term,
                x="year",
                y="employee_count", 
                col="termination_reason", 
                hue="termination_reason",
                kind="line", 
                palette="gist_rainbow", 
                linewidth=3, 
                zorder=7,
                col_wrap=4, 
                legend=False,
                marker='o',
               facet_kws=dict(sharex=False, sharey=False)
               )

# Для каждого графика в сетке определим дополнительные параметры
for termination_reason, ax in g.axes_dict.items(): # перебираем параметры индивидуальных графиков
    
    # Добавим заголовок каждого графика в виде аннотации, расположенной в пооле графика
    ax.text(.05, .95, termination_reason, transform=ax.transAxes, fontweight="bold")
    
    # Построим "теневые" графики для других источников найма в поле каждого графика, кроме [TOTAL]
    sns.lineplot(data=dfg_termreason_over_date_term[dfg_termreason_over_date_term['termination_reason'] != '[TOTAL]'], 
                 x="year", 
                 y="employee_count", 
                 units="termination_reason",
                 estimator=None, 
                 color=".7", 
                 linewidth=1, 
                 ax=ax
                )

# Уберём индивидуальные заголовки графиков
g.set_titles("")
# Установим "плотное" расположение графиков
g.tight_layout()
g.fig.suptitle("Зависимость причин увольнения от года увольнения сотрудника",
               fontsize=16, x=0.50, y=1.015)

plt.show()


# Создадим DF для исследования зависимости причин увольнения от KPI

sql_quiery = \
"""
WITH 
employee_selection AS
    (SELECT
        "Employee Name",
        CASE WHEN "Employment Status" = 'Voluntarily Terminated'
                THEN CONCAT_WS(': ', 'SELF', "Reason For Term")
             WHEN "Employment Status" = 'Terminated for Cause'
                THEN CONCAT_WS(': ', 'ADM', "Reason For Term")
        END AS termination_reason
    FROM
        hr_dataset
    WHERE
       ("Employment Status" = 'Voluntarily Terminated' OR
       "Employment Status" = 'Terminated for Cause' )
    ),

kpi_s AS
    (SELECT
        "Employee Name",
        'Abutments/Hour Wk 1' AS "KPI_Name",
        "Abutments/Hour Wk 1" AS "KPI_Value"
    FROM 
        production_staff
    UNION ALL
    SELECT
        "Employee Name",
        'Abutments/Hour Wk 2' AS "KPI_Name",
        "Abutments/Hour Wk 2" AS "KPI_Value"
    FROM 
        production_staff
    UNION ALL
    SELECT
        "Employee Name",
        'Daily Error Rate' AS "KPI_Name",
        "Daily Error Rate" AS "KPI_Value"
    FROM 
        production_staff
    UNION ALL
    SELECT
        "Employee Name",
        '90-day Complaints' AS "KPI_Name",
        "90-day Complaints" AS "KPI_Value"
    FROM 
        production_staff
        )

SELECT 
    termination_reason,
    "KPI_Name",
    AVG("KPI_Value") AS mean_KPI,
    COUNT("Employee Name")
FROM
    employee_selection
    LEFT JOIN
    kpi_s
    USING("Employee Name")
GROUP BY
    termination_reason,
    "KPI_Name"
ORDER BY
    termination_reason,
    "KPI_Name"
;
"""

dfg_termreason_over_KPI = pd.read_sql(sql_quiery, conn).dropna()
#dfg_termreason_over_KPI


# Создадим сетку графиков зависимости формулировок причин увольнения от KPI
kpi_list=["Abutments/Hour Wk 1", "Abutments/Hour Wk 2", "Daily Error Rate", "90-day Complaints"]
g=sns.catplot(
    kind="bar",
    x="termination_reason",
    y="mean_kpi",
    hue="termination_reason",
    data=dfg_termreason_over_KPI,
    col="KPI_Name",
    col_order=kpi_list,
    ci=None,
    col_wrap=1,
    height=3.5,
    aspect=6,
    palette="tab20",
    margin_titles=True, 
    sharex=True, 
    sharey=True,
    alpha=1.0,
    dodge=False,
    legend=False,  # Не будем выводить легенду внутри сетки у нас будет отдельная
    legend_out=True,  # Определяем вывод отдельной легенды
    )
# Определим заголовок графиков
g.fig.suptitle(
    "Зависимость формулировок причин увольнения от средних значений KPI", 
    fontsize=20, x=0.28, y=1.125)

# Определим размер подписи оси X
g.set_xlabels("Termination Reasons",fontsize=14)
# Определим размер подписи оси Y
g.set_ylabels("Average KPI value",fontsize=14)
# Определим размер и поворот подписей под столбцами
g.set_xticklabels(rotation=80,fontsize=14)
# Изменим интервал между индивидуальными графиками
g.fig.subplots_adjust(hspace=0.25)
# Добавляем общую легенду, определяем её размеры и рамещение (x,y,width,height), количество полей и название
g.add_legend(bbox_to_anchor=(0, 0.8, 0.55, 0.3), 
             loc='upper center', ncol=6, title='Reasons for Termination', fontsize=14)
plt.show()


# Создадим DF для исследования зависимости причин увольнения от возраста сотрудников

sql_quiery = \
"""
WITH 
employee_selection AS
    (SELECT
        "Employee Number",
        -- приведём разницу между датой увольнения и датой рождения к годам
        CAST(EXTRACT(year FROM AGE("Date of Termination", dob)) AS INTEGER) AS age_of_term,
        sex,
        racedesc,
        maritaldesc,
        CASE WHEN "Employment Status" = 'Voluntarily Terminated'
                THEN CONCAT_WS(': ', 'SELF', "Reason For Term")
             WHEN "Employment Status" = 'Terminated for Cause'
                THEN CONCAT_WS(': ', 'ADM', "Reason For Term")
        END AS termination_reason
    FROM
        hr_dataset
    WHERE
       ("Employment Status" = 'Voluntarily Terminated' OR
       "Employment Status" = 'Terminated for Cause' )
    ),

totals AS
    (SELECT
        "Employee Number",
        age_of_term,
        sex,
        racedesc,
        maritaldesc,
        '[TOTAL]' AS termination_reason
    FROM
        employee_selection

    )
    
(SELECT * 
FROM
employee_selection)
UNION ALL
(SELECT * 
FROM
totals)

ORDER BY
    termination_reason,
    age_of_term,
    sex,
    racedesc,
    maritaldesc
;
"""

dfg_termreason_over_social = pd.read_sql(sql_quiery, conn)
#dfg_termreason_over_social


# Построим сетку графиков для зависимости причин увольнения от возраста сотрудников при увольнении
# Данные для каждой причины разместим в отдельном графике сетки
g=sns.displot(data=dfg_termreason_over_social,
              x="age_of_term",
              hue="termination_reason",
              col="termination_reason",
              col_wrap=4,
              binwidth=5,
              binrange=(20, 65),
              palette="tab20",
              legend=False,
              facet_kws=dict(sharex=True,
                             sharey=False,
                             xlim=(15,70))
             )


# Для каждого графика в сетке определим дополнительные параметры
for termination_reason, ax in g.axes_dict.items(): # перебираем параметры индивидуальных графиков
    
    # Добавим заголовок каждого графика в виде аннотации, расположенной в пооле графика
    ax.text(.95, .95, termination_reason, horizontalalignment='right', transform=ax.transAxes, fontweight="bold")
    

# Уберём индивидуальные заголовки графиков
g.set_titles("")
# Установим "плотное" расположение графиков
g.tight_layout()
g.fig.suptitle("Зависимость причин увольнения от возраста сотрудника на момент увольнения",
               fontsize=16, x=0.50, y=1.015)

plt.show()


# Построим сетку графиков для зависимости причин увольнения от пола сотрудника
# Данные для каждого источника найма разместим в отдельном графике сетки
data=dfg_termreason_over_social
g = sns.catplot(x="sex", 
                col="termination_reason", 
                col_wrap=4,
                data=data,
                kind="count", 
                palette="Pastel1",
                legend=False,
                sharey=False
               )

# Для каждого графика в сетке определим дополнительные параметры
for termination_reason, ax in g.axes_dict.items(): # перебираем параметры индивидуальных графиков
    
    # Добавим заголовок каждого графика в виде аннотации, расположенной в пооле графика
    ax.text(.95, .95, termination_reason, horizontalalignment='right', transform=ax.transAxes, fontweight="bold")
    

# Уберём индивидуальные заголовки графиков
g.set_titles("")
# Установим "плотное" расположение графиков
g.tight_layout()
g.fig.suptitle("Зависимость причин увольнения от пола сотрудника",
               fontsize=16, x=0.50, y=1.015)

plt.show()


# Построим сетку графиков для зависимости причин увольнения от расово-этнической принадлежности сотрудника
# Данные для каждого источника найма разместим в отдельном графике сетки
data=dfg_termreason_over_social
g = sns.catplot(x="racedesc", 
                col="termination_reason", 
                col_wrap=4,
                data=data,
                kind="count", 
                palette="Paired_r",
                legend=False,
                sharey=False
               )

# Для каждого графика в сетке определим дополнительные параметры
for termination_reason, ax in g.axes_dict.items(): # перебираем параметры индивидуальных графиков
    
    # Добавим заголовок каждого графика в виде аннотации, расположенной в пооле графика
    ax.text(.95, .95, termination_reason, horizontalalignment='right', transform=ax.transAxes, fontweight="bold")
    

# Уберём индивидуальные заголовки графиков
g.set_titles("")
# Установим "плотное" расположение графиков
g.tight_layout()
g.fig.suptitle("Зависимость причин увольнения от расово-этнической принадлежности сотрудника",
               fontsize=16, x=0.50, y=1.015)
# Определим размер подписи оси X
g.set_xlabels(fontsize=14)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=14)
# Определим размер и поворот подписей под столбцами
g.set_xticklabels(rotation=75,fontsize=14)
# Изменим интервал между индивидуальными графиками

plt.show()


# Построим сетку графиков для зависимости причин увольнения от семейного положения сотрудника
# Данные для каждого источника найма разместим в отдельном графике сетки
data=dfg_termreason_over_social
g = sns.catplot(x="maritaldesc", 
                col="termination_reason", 
                col_wrap=4,
                data=data,
                kind="count", 
                palette="Set3",
                legend=False,
                sharey=False
               )

# Для каждого графика в сетке определим дополнительные параметры
for termination_reason, ax in g.axes_dict.items(): # перебираем параметры индивидуальных графиков
    
    # Добавим заголовок каждого графика в виде аннотации, расположенной в пооле графика
    ax.text(.95, .95, termination_reason, horizontalalignment='right', transform=ax.transAxes, fontweight="bold")
    

# Уберём индивидуальные заголовки графиков
g.set_titles("")
# Установим "плотное" расположение графиков
g.tight_layout()
g.fig.suptitle("Зависимость причин увольнения от семейного положения сотрудника",
               fontsize=16, x=0.50, y=1.015)
# Определим размер подписи оси X
g.set_xlabels(fontsize=14)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=14)
# Определим размер и поворот подписей под столбцами
g.set_xticklabels(rotation=75,fontsize=14)
# Изменим интервал между индивидуальными графиками

plt.show()


# Создадим DF для исследования распределения сотрудников компаниии по дате увольнения
# На временной шкале надо учесть и месяцы, в которых никто не был уволен.

sql_quiery = \
"""
-- создадим подзапросы для выборки из hr_dataset, а также для общей шкалы времени от минимальной даты увольнения
-- до максимальной (generate_sdries()). Объединим их на основе месяца с сохранением всех данных полной временной
-- шкалы
WITH 
employee_selection AS
    (SELECT
        "Employee Number",
        DATE_TRUNC('month', "Date of Termination") AS month, -- приведем даты увольнения к месяцу (начало месяца)
        "Employment Status" 
    FROM
        hr_dataset
    WHERE  -- Условие, что работники не действующие
        "Employment Status" = 'Voluntarily Terminated' OR 
        "Employment Status" = 'Terminated for Cause' 
    ),

month_of_termination AS
    (SELECT
        COUNT("Employee Number") AS employee_count,
        month,
        "Employment Status"
    FROM
        employee_selection
    GROUP BY 
        month,
        "Employment Status"
    ORDER BY
        month,
        "Employment Status"
    ),

months AS
    (SELECT
        month
    FROM generate_series(
        (SELECT DATE_TRUNC('month', MIN("Date of Termination")) 
            FROM hr_dataset
            WHERE "Employment Status" = 'Voluntarily Terminated' OR "Employment Status" = 'Terminated for Cause' 
        ), -- выберем минимальную дату увольнения
        (SELECT DATE_TRUNC('month', MAX("Date of Termination")) 
            FROM hr_dataset
            WHERE "Employment Status" = 'Voluntarily Terminated' OR "Employment Status" = 'Terminated for Cause' 
        ), -- выберем максимальную дату увольнения
        '1 month') AS month  -- выберем месячный интервал
    )

SELECT * FROM
months
LEFT OUTER JOIN 
month_of_termination
USING(month)
;
"""

df_date_term_term = pd.read_sql(sql_quiery, conn)
df_date_term_term


# Создадим график распределения уволенных и уволившихся сотрудников по месяцу и году увольнения в компанию
g=sns.relplot(data=df_date_term_term,
              x="month",
              y="employee_count",
              hue="Employment Status",
              height=4,
              aspect=3.5,
              palette="Set2",
              alpha=0.9,
              ci=False,
              kind="line",
              marker='o'
             )
# Определим шкалу как временной диапазон в формате Pandas с квартальными интервалами (для читаемости):
scale_span = pd.date_range(start=df_date_term_term['month'].min(),
                           end= df_date_term_term['month'].max(),
                           freq='QS').tolist()

plt.xticks(ticks=scale_span, fontsize=12, rotation=90)  # установим шкалу X и размер её обозначений 
plt.yticks(ticks=list(range(0, 7, 1)), fontsize=14)  # Установим шкалу Y и иразмер обозначения для шкалы Y

# Определим формат подписей шкалы как YYYY-MM 
g.axes[0,0].xaxis.set_major_formatter(mpl.dates.DateFormatter('%Y-%m'))

g.set_xlabels("Months", fontsize=14)  # Размер подписей шкалы X
g.set_ylabels("Employees terminated", fontsize=14)  # Размер подписей шкалы Y

# Заголовок графика:
g.fig.suptitle("Общее распеределение уволенных и уволившихся сотрудников по месяцу и году увольнения", 
               fontsize=16, y=1.025)
plt.show()


# Создадим DF для исследования для анализа соответствия дат увольнения и дат найма и даты увольнения

sql_quiery = \
"""
SELECT
    "Employee Number",
    "Date of Hire",
    "Date of Termination"
FROM
    hr_dataset
WHERE
    "Employment Status" = 'Voluntarily Terminated' OR 
    "Employment Status" = 'Terminated for Cause' 
ORDER BY
    "Date of Hire" DESC,
    "Date of Termination"
;
"""

dfg_empldate_over_termdate = pd.read_sql(sql_quiery, conn)
#dfg_empldate_over_termdate


g=sns.relplot(
    data=dfg_empldate_over_termdate,
    x="Date of Hire",
    y="Date of Termination",
    height=8,
    color="dodgerblue"
    )
# Определим шкалу как временной диапазон в формате Pandas с квартальными интервалами (для читаемости):
scale_span = pd.date_range(start=dfg_empldate_over_termdate['Date of Hire'].min(),
                           end= dfg_empldate_over_termdate['Date of Termination'].max(),
                           freq='QS').tolist()

plt.xticks(ticks=scale_span, fontsize=8, rotation=90)  # установим шкалу X и размер её обозначений 
plt.yticks(ticks=scale_span, fontsize=8, rotation=0)  # установим шкалу Y и размер её обозначений 

# Обозначим отдельным цветом "критичные" части графика
g.axes[0,0].axvspan("2010-10", "2012-03", facecolor="gold", alpha=0.25)
g.axes[0,0].axhspan("2011-04", "2012-05", facecolor="deeppink", alpha=0.25)
g.axes[0,0].axhspan("2012-07", "2013-11", facecolor="deeppink", alpha=0.25)
g.axes[0,0].axhspan("2014-02", "2014-11", facecolor="deeppink", alpha=0.25)
g.axes[0,0].axhspan("2015-04", "2016-10", facecolor="deeppink", alpha=0.25)


# Заголовок графика:
g.fig.suptitle("Соотвествие дат увольнения и дат найма уволенных сотрудников", fontsize=16, x=0.5, y=1.025)
plt.show()


# Создадим DF для исследования распределения сотрудников компаниии по дате увольнения от возраста на момент увольнения

# На временной шкале надо учесть и месяцы, в которых никто не был уволен.

sql_quiery = \
"""
-- создадим подзапросы для выборки из hr_dataset, а также для общей шкалы времени от минимальной даты увольнения
-- до максимальной (generate_series()). Объединим их на основе месяца с сохранением всех данных полной временной
-- шкалы
WITH 
employee_selection AS
    (SELECT
        "Employee Number",
        CAST(EXTRACT(year FROM AGE("Date of Termination", dob)) AS INTEGER) AS age, --приведем возраст на дату увольнения
        DATE_TRUNC('month', "Date of Termination") AS month -- приведем даты увольнения к месяцу (начало месяца)
    FROM
        hr_dataset
    ),
    
months AS
    (SELECT
        month
    FROM generate_series(
        (SELECT DATE_TRUNC('month', MIN("Date of Termination")) 
            FROM hr_dataset), -- выберем минимальную дату увольнения
        (SELECT DATE_TRUNC('month', MAX("Date of Termination")) 
            FROM hr_dataset), -- выберем максимальную дату увольнения
        '1 month') AS month  -- выберем месячный интервал
    )

SELECT * FROM
months
LEFT OUTER JOIN 
employee_selection
USING(month)
;
"""

dfg_date_term_over_age = pd.read_sql(sql_quiery, conn)
#dfg_date_term_over_age


# Построим график зависимости даты увольнения и возраста увольнения
g=sns.relplot(x="month",
              y="age",
              data=dfg_date_term_over_age,
              kind='scatter',
              height=5,
              aspect=2.8
             )
# Определим шкалу как временной диапазон в формате Pandas с квартальными интервалами (для читаемости):
scale_span = pd.date_range(start=dfg_date_term_over_age['month'].min(),
                           end= dfg_date_term_over_age['month'].max(),
                           freq='QS').tolist()

plt.xticks(ticks=scale_span, fontsize=12, rotation=90)  # установим шкалу X и размер её обозначений 
plt.yticks(ticks=list(range(15, 70, 5)), fontsize=14)  # Установим шкалу Y и иразмер обозначения для шкалы Y

# Определим формат подписей шкалы как YYYY-MM 
g.axes[0,0].xaxis.set_major_formatter(mpl.dates.DateFormatter('%Y-%m'))

g.set_xlabels("Months", fontsize=15)  # Размер подписей шкалы X
g.set_ylabels("Age", fontsize=14)  # Размер подписей шкалы Y

# Заголовок графика:
g.fig.suptitle("Зависимость даты увольнения и возраста сотрудников на дату увольнения",
               fontsize=16, y=1.025)

# Обозначим отдельным цветом "критичные" части графика
g.axes[0,0].axvspan("2011-07", "2012-05", facecolor="orange", alpha=0.25)
g.axes[0,0].axvspan("2012-07", "2013-12", facecolor="orange", alpha=0.25)
g.axes[0,0].axvspan("2014-01", "2014-12", facecolor="orange", alpha=0.25)
g.axes[0,0].axvspan("2015-01", "2016-07", facecolor="orange", alpha=0.25)
g.axes[0,0].axhspan(20, 46, facecolor="deeppink", alpha=0.25)

plt.show()


# Создадим DF для исследования распределения сотрудников компаниии по дате увольнения в зависимости от пола
# На временной шкале надо учесть и месяцы, в которых никто не был принят на работу.

sql_quiery = \
"""
-- создадим подзапросы для выборки из hr_dataset, а также для общей шкалы времени от минимальной даты увольнения
-- до максимальной (generate_series()). Объединим их на основе месяца с сохранением всех данных полной временной
-- шкалы
WITH 
employee_selection AS
    (SELECT
        "Employee Number",
        sex,
        DATE_TRUNC('month', "Date of Termination") AS month -- приведем даты увольнения к месяцу (начало месяца)
    FROM
        hr_dataset
    ),
    
months AS
    (SELECT
        month
    FROM generate_series(
        (SELECT DATE_TRUNC('month', MIN("Date of Termination")) 
            FROM hr_dataset), -- выберем минимальную дату увольнения
        (SELECT DATE_TRUNC('month', MAX("Date of Termination")) 
            FROM hr_dataset), -- выберем максимальную дату увольнения
        '1 month') AS month  -- выберем месячный интервал
    )

SELECT * FROM
months
LEFT OUTER JOIN 
employee_selection
USING(month)
;
"""

dfg_date_term_over_sex = pd.read_sql(sql_quiery, conn)
#dfg_date_term_over_sex


# Построим график зависимости даты увольнения и пола сотрудника
g=sns.displot(x="month",
              data=dfg_date_term_over_sex,
              col="sex",
              col_wrap=1,
              hue="sex",
              binwidth=91,
              kde=True,
              height=4,
              aspect=2.8,
              facet_kws=dict(sharex=True, sharey=True)
             )

# Определим шкалу как временной диапазон в формате Pandas с квартальными интервалами (для читаемости):
scale_span = pd.date_range(start=dfg_date_term_over_sex['month'].min(),
                           end= dfg_date_term_over_sex['month'].max(),
                           freq='QS').tolist()

plt.xticks(ticks=scale_span, fontsize=12, rotation=90)  # установим шкалу X и размер её обозначений 

# Определим формат подписей шкалы как YYYY-MM 
g.axes[1].xaxis.set_major_formatter(mpl.dates.DateFormatter('%Y-%m'))

g.set_xlabels("Months", fontsize=15)  # Размер подписей шкалы X
g.set_ylabels(fontsize=14)  # Размер подписей шкалы Y

# Заголовок графика:
g.fig.suptitle("Зависимость даты увольнения и половой принадлежности сотрудника",
               fontsize=16, y=1.025)
plt.show()


# Создадим DF для исследования распределения сотрудников компаниии по дате увольнения в зависимости от 
# расово-этнической принадлежности.
# На временной шкале надо учесть и месяцы, в которых никто не был уволен.

sql_quiery = \
"""
-- создадим подзапросы для выборки из hr_dataset, а также для общей шкалы времени от минимальной даты увольнения
-- до максимальной (generate_series()). Объединим их на основе месяца с сохранением всех данных полной временной
-- шкалы
WITH 
employee_selection AS
    (SELECT
        "Employee Number",
        racedesc,
        DATE_TRUNC('month', "Date of Termination") AS month -- приведем даты увольнения к месяцу (начало месяца)
    FROM
        hr_dataset
    ),
    
months AS
    (SELECT
        month
    FROM generate_series(
        (SELECT DATE_TRUNC('month', MIN("Date of Termination")) 
            FROM hr_dataset), -- выберем минимальную дату увольнения
        (SELECT DATE_TRUNC('month', MAX("Date of Termination")) 
            FROM hr_dataset), -- выберем максимальную дату увольнения
        '1 month') AS month  -- выберем месячный интервал
    )

SELECT * FROM
months
LEFT OUTER JOIN 
employee_selection
USING(month)
;
"""

dfg_date_term_over_racedesc = pd.read_sql(sql_quiery, conn)
#dfg_date_term_over_racedesc


# Построим график зависимости даты увольнения и расово-этнической принадлежности сотрудника
g=sns.displot(x="month",
              data=dfg_date_term_over_racedesc,
              col="racedesc",
              col_wrap=1,
              hue="racedesc",
              binwidth=91,
              kde=True,
              height=4,
              aspect=2.8,
              facet_kws=dict(sharex=True, sharey=True)
             )

# Определим шкалу как временной диапазон в формате Pandas с квартальными интервалами (для читаемости):
scale_span = pd.date_range(start=dfg_date_term_over_racedesc['month'].min(),
                           end= dfg_date_hire_over_sex['month'].max(),
                           freq='QS').tolist()

plt.xticks(ticks=scale_span, fontsize=12, rotation=90)  # установим шкалу X и размер её обозначений 

# Определим формат подписей шкалы как YYYY-MM 
g.axes[1].xaxis.set_major_formatter(mpl.dates.DateFormatter('%Y-%m'))

g.set_xlabels("Months", fontsize=15)  # Размер подписей шкалы X
g.set_ylabels(fontsize=14)  # Размер подписей шкалы Y

# Заголовок графика:
g.fig.suptitle("Зависимость даты увольнения и расово-этнической принадлежности сотрудника",
               fontsize=16, y=1.025)
plt.show()


# Создадим DF для исследования распределения сотрудников компаниии по дате увольнения в зависимости от 
# семейного положения.
# На временной шкале надо учесть и месяцы, в которых никто не был уволен.

sql_quiery = \
"""
-- создадим подзапросы для выборки из hr_dataset, а также для общей шкалы времени от минимальной даты увольнения
-- до максимальной (generate_series()). Объединим их на основе месяца с сохранением всех данных полной временной
-- шкалы
WITH 
employee_selection AS
    (SELECT
        "Employee Number",
        maritaldesc,
        DATE_TRUNC('month', "Date of Termination") AS month -- приведем даты увольнения к месяцу (начало месяца)
    FROM
        hr_dataset
    ),
    
months AS
    (SELECT
        month
    FROM generate_series(
        (SELECT DATE_TRUNC('month', MIN("Date of Termination")) 
            FROM hr_dataset), -- выберем минимальную дату увольнения
        (SELECT DATE_TRUNC('month', MAX("Date of Termination")) 
            FROM hr_dataset), -- выберем максимальную дату увольнения
        '1 month') AS month  -- выберем месячный интервал
    )

SELECT * FROM
months
LEFT OUTER JOIN 
employee_selection
USING(month)
;
"""

dfg_date_term_over_maritaldesc = pd.read_sql(sql_quiery, conn)
#dfg_date_term_over_maritaldesc


# Построим график зависимости даты увольнения и семейного положения сотрудника
g=sns.displot(x="month",
              data=dfg_date_term_over_maritaldesc,
              col="maritaldesc",
              col_wrap=1,
              hue="maritaldesc",
              binwidth=91,
              kde=True,
              height=4,
              aspect=2.8,
              facet_kws=dict(sharex=True, sharey=True)
             )

# Определим шкалу как временной диапазон в формате Pandas с квартальными интервалами (для читаемости):
scale_span = pd.date_range(start=dfg_date_term_over_maritaldesc['month'].min(),
                           end= dfg_date_term_over_maritaldesc['month'].max(),
                           freq='QS').tolist()

plt.xticks(ticks=scale_span, fontsize=12, rotation=90)  # установим шкалу X и размер её обозначений 

# Определим формат подписей шкалы как YYYY-MM 
g.axes[1].xaxis.set_major_formatter(mpl.dates.DateFormatter('%Y-%m'))

g.set_xlabels("Months", fontsize=15)  # Размер подписей шкалы X
g.set_ylabels(fontsize=14)  # Размер подписей шкалы Y

# Заголовок графика:
g.fig.suptitle("Зависимость даты увольнения и семейного положения сотрудника",
               fontsize=16, y=1.025)
plt.show()


sql_quiery = \
"""
-- Создадим запросы и датафрейм с KPI 
WITH 
kpi_s AS
    (SELECT
        "Employee Name",
        'Abutments/Hour Wk 1' AS "KPI_Name",
        "Abutments/Hour Wk 1" AS "KPI_Value"
    FROM 
        production_staff
    UNION ALL
    SELECT
        "Employee Name",
        'Abutments/Hour Wk 2' AS "KPI_Name",
        "Abutments/Hour Wk 2" AS "KPI_Value"
    FROM 
        production_staff
    UNION ALL
    SELECT
        "Employee Name",
        'Daily Error Rate' AS "KPI_Name",
        "Daily Error Rate" AS "KPI_Value"
    FROM 
        production_staff
    UNION ALL
    SELECT
        "Employee Name",
        '90-day Complaints' AS "KPI_Name",
        "90-day Complaints" AS "KPI_Value"
    FROM 
        production_staff
    ),
    
staff_list AS 
    (SELECT 
        "Employee Name",
        "Position"
    FROM
        production_staff
    WHERE  -- Условие, что работники действующие и что средин нех менеджеров, для которых KPI не предусмотрены
        ("Employment Status" = 'Active' OR 
        "Employment Status" = 'Future Start' OR 
        "Employment Status" = 'Leave of Absence') AND
        "Position" <> 'Production Manager'
    )
    
SELECT 
    *
FROM
    kpi_s
        RIGHT JOIN
    staff_list
        USING("Employee Name")

ORDER BY 
    "Position",
    "KPI_Name"
    
"""

dfg_KPI_over_position = pd.read_sql(sql_quiery, conn)
#dfg_KPI_over_position


# Построим сетку графиков для зависимости KPI от должностей действующих сотрудников
# Данные для каждого источника найма разместим в отдельном графике сетки
kpi_list=["Abutments/Hour Wk 1", "Abutments/Hour Wk 2", "Daily Error Rate", "90-day Complaints"]
g = sns.displot(x="KPI_Value",
                hue="Position",
                col_order=kpi_list,
                col="KPI_Name", 
                col_wrap=2,
                data=dfg_KPI_over_position,
                kind="hist", 
                palette="Paired",
                legend=True,
                binrange=(0, 22),
                binwidth=1,
                facet_kws=dict(sharey=False)
               )

# Для каждого графика в сетке определим дополнительные параметры
for KPI_Name, ax in g.axes_dict.items(): # перебираем параметры индивидуальных графиков
    
    # Добавим заголовок каждого графика в виде аннотации, расположенной в пооле графика
    ax.text(.95, .95, KPI_Name, horizontalalignment='right', transform=ax.transAxes, fontweight="bold")
    

# Уберём индивидуальные заголовки графиков
g.set_titles("")
# Установим "плотное" расположение графиков
g.tight_layout()
g.fig.suptitle("Общее распределение KPI по должностям действующих сотрудников подразделения Production",
               fontsize=16, x=0.50, y=1.015)
# Определим размер подписи оси X
g.set_xlabels(fontsize=14)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=14)
# Определим размер и поворот подписей под столбцами
g.set_xticklabels(rotation=75,fontsize=14)
# Изменим интервал между индивидуальными графиками

plt.show()


sql_quiery = \
"""
-- Создадим запросы и датафрейм с KPI 
WITH 
kpi_s AS
    (SELECT
        "Employee Name",
        'Abutments/Hour Wk 1' AS "KPI_Name",
        "Abutments/Hour Wk 1" AS "KPI_Value"
    FROM 
        production_staff
    UNION ALL
    SELECT
        "Employee Name",
        'Abutments/Hour Wk 2' AS "KPI_Name",
        "Abutments/Hour Wk 2" AS "KPI_Value"
    FROM 
        production_staff
    UNION ALL
    SELECT
        "Employee Name",
        'Daily Error Rate' AS "KPI_Name",
        "Daily Error Rate" AS "KPI_Value"
    FROM 
        production_staff
    UNION ALL
    SELECT
        "Employee Name",
        '90-day Complaints' AS "KPI_Name",
        "90-day Complaints" AS "KPI_Value"
    FROM 
        production_staff
    ),
    
staff_list AS 
    (SELECT 
        "Employee Name",
        ROUND("Days Employed"::numeric / 360, 1) AS years_employed
    FROM
        hr_dataset
    WHERE  -- Условие, что среди сотрудников нет менеджеров, для которых KPI не предусмотрены
        TRIM(trailing from department) = 'Production' AND 
        position <> 'Production Manager'
-- Данные hr_dataset в поле department содержат ошибку в значении 'Production' (7 пробелов после слова)
)
    
SELECT 
    *
FROM
    kpi_s
        INNER JOIN
    staff_list
        USING("Employee Name")

ORDER BY 
    "KPI_Name",
    years_employed
    
"""

dfg_KPI_over_years_employed = pd.read_sql(sql_quiery, conn).dropna()
#dfg_KPI_over_years_employed


# Построим сетку графиков для зависимости KPI от срокар работы в компании
# Данные для каждого источника найма разместим в отдельном графике сетки
kpi_list=["Abutments/Hour Wk 1", "Abutments/Hour Wk 2", "Daily Error Rate", "90-day Complaints"]
g = sns.lmplot(x="years_employed",
                y="KPI_Value",
                hue="KPI_Name",
                col_order=kpi_list,
                col="KPI_Name", 
                col_wrap=2,
                data=dfg_KPI_over_years_employed,
                palette="Set2",
                facet_kws=dict(sharey=False)
               )

# Для каждого графика в сетке определим дополнительные параметры
for KPI_Name, ax in g.axes_dict.items(): # перебираем параметры индивидуальных графиков
    
    # Добавим заголовок каждого графика в виде аннотации, расположенной в пооле графика
    ax.text(.95, .95, KPI_Name, horizontalalignment='right', transform=ax.transAxes, fontweight="bold")
    

# Уберём индивидуальные заголовки графиков
g.set_titles("")
# Установим "плотное" расположение графиков
g.tight_layout()
g.fig.suptitle(f"Зависимость KPI от сроков работы в компании сотрудников подразделения Production, \n"
               f"включая уволенных (уволившихся) - линейнеая регрессия",
               fontsize=16, x=0.50, y=1.05)
# Определим размер подписи оси X
g.set_xlabels(fontsize=14)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=14)
# Определим размер и поворот подписей под столбцами
g.set_xticklabels(rotation=75,fontsize=14)
# Изменим интервал между индивидуальными графиками

plt.show()


sql_quiery = \
"""
-- Создадим запросы и датафрейм с KPI 
WITH 
kpi_s AS
    (SELECT
        "Employee Name",
        'Abutments/Hour Wk 1' AS "KPI_Name",
        "Abutments/Hour Wk 1" AS "KPI_Value"
    FROM 
        production_staff
    UNION ALL
    SELECT
        "Employee Name",
        'Abutments/Hour Wk 2' AS "KPI_Name",
        "Abutments/Hour Wk 2" AS "KPI_Value"
    FROM 
        production_staff
    UNION ALL
    SELECT
        "Employee Name",
        'Daily Error Rate' AS "KPI_Name",
        "Daily Error Rate" AS "KPI_Value"
    FROM 
        production_staff
    UNION ALL
    SELECT
        "Employee Name",
        '90-day Complaints' AS "KPI_Name",
        "90-day Complaints" AS "KPI_Value"
    FROM 
        production_staff
    ),
    
staff_list AS 
    (SELECT 
        "Employee Name",
        "Employee Source"
    FROM
        hr_dataset
    WHERE  -- Условие, что среди сотрудников нет менеджеров, для которых KPI не предусмотрены
        TRIM(trailing from department) = 'Production' AND 
        position <> 'Production Manager'
-- Данные hr_dataset в поле department содержат ошибку в значении 'Production' (7 пробелов после слова)
)
    
SELECT 
    *
FROM
    kpi_s
        INNER JOIN
    staff_list
        USING("Employee Name")

ORDER BY 
    "KPI_Name",
    "Employee Source"
    
"""

dfg_KPI_over_empl_source = pd.read_sql(sql_quiery, conn).dropna()
#dfg_KPI_over_empl_source


# Построим сетку графиков для зависимости KPI от источника найма
# Данные для каждого источника найма разместим в отдельном графике сетки
kpi_list=["Abutments/Hour Wk 1", "Abutments/Hour Wk 2", "Daily Error Rate", "90-day Complaints"]
g = sns.catplot(x="Employee Source",
                y="KPI_Value",
                hue="Employee Source",
                col_order=kpi_list,
                col="KPI_Name", 
                col_wrap=1,
                data=dfg_KPI_over_empl_source,
                palette="tab20b",
                sharey=False,
                dodge=False,
                height=4,
                aspect=3,
                kind="box"
               )

# Для каждого графика в сетке определим дополнительные параметры
for KPI_Name, ax in g.axes_dict.items(): # перебираем параметры индивидуальных графиков
    
    # Добавим заголовок каждого графика в виде аннотации, расположенной в пооле графика
    ax.text(.95, .95, KPI_Name, horizontalalignment='right', transform=ax.transAxes, fontweight="bold")
    

# Уберём индивидуальные заголовки графиков
g.set_titles("")
# Установим "плотное" расположение графиков
g.tight_layout()
g.fig.suptitle(f"Зависимость KPI от источников найма для сотрудников подразделения Production, \n"
               f"включая уволенных (уволившихся)",
               fontsize=16, x=0.50, y=1.05)
# Определим размер подписи оси X
g.set_xlabels(fontsize=14)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=14)
# Определим размер и поворот подписей под столбцами
g.set_xticklabels(rotation=90,fontsize=12)


plt.show()


sql_quiery = \
"""
-- Создадим запросы и датафрейм с KPI 
WITH 
kpi_s AS
    (SELECT
        "Employee Name",
        'Abutments/Hour Wk 1' AS "KPI_Name",
        "Abutments/Hour Wk 1" AS "KPI_Value"
    FROM 
        production_staff
    UNION ALL
    SELECT
        "Employee Name",
        'Abutments/Hour Wk 2' AS "KPI_Name",
        "Abutments/Hour Wk 2" AS "KPI_Value"
    FROM 
        production_staff
    UNION ALL
    SELECT
        "Employee Name",
        'Daily Error Rate' AS "KPI_Name",
        "Daily Error Rate" AS "KPI_Value"
    FROM 
        production_staff
    UNION ALL
    SELECT
        "Employee Name",
        '90-day Complaints' AS "KPI_Name",
        "90-day Complaints" AS "KPI_Value"
    FROM 
        production_staff
    ),
    
staff_list AS 
    (SELECT 
        "Employee Name",
        DATE_TRUNC('month', "Date of Hire") AS month
    FROM
        production_staff
    WHERE  -- Условие, что среди сотрудников нет менеджеров, для которых KPI не предусмотрены
        "Position" <> 'Production Manager'
),

months AS
    (SELECT
        month
    FROM generate_series(
        (SELECT DATE_TRUNC('month', MIN("Date of Hire")) 
            FROM production_staff), -- выберем минимальную дату
        (SELECT DATE_TRUNC('month', MAX("Date of Hire")+ interval '3 months') 
            FROM production_staff), -- выберем максимальную дату
        '1 month') AS month  -- выберем месячный интервал
    )
    
SELECT 
    month,
    "KPI_Name",
    AVG("KPI_Value") AS avg_kpi
FROM
    months
        LEFT OUTER JOIN
        (kpi_s
            RIGHT JOIN
        staff_list
            USING("Employee Name"))
        USING(month)
GROUP BY
   "KPI_Name",
    month
ORDER BY 
    "KPI_Name",
    month
;   
"""

dfg_KPI_over_date_hire = pd.read_sql(sql_quiery, conn).dropna()
#dfg_KPI_over_date_hire


# Построим сетку графиков для зависимости средних величин KPI от годов найма (для всех сотрудников Production)
# Данные для каждого источника найма разместим в отдельном графике сетки
kpi_list=["Abutments/Hour Wk 1", "Abutments/Hour Wk 2", "Daily Error Rate", "90-day Complaints"]
g = sns.relplot(x="month",
                y="avg_kpi",
                data=dfg_KPI_over_date_hire,
                hue="KPI_Name",
                hue_order=kpi_list,
                palette="Dark2",
                kind='line',
                linewidth=2,
                height=5,
                aspect=2.8
                )

g.fig.suptitle("Зависимость средних величин KPI от месяца и года найма для всех сотрудников подразделения Production",
               fontsize=16, x=0.50, y=1.015)

# Определим шкалу X как временной диапазон в формате Pandas с квартальными интервалами (для читаемости):
scale_span = pd.date_range(start=dfg_KPI_over_date_hire['month'].min(),
                           end= dfg_KPI_over_date_hire['month'].max(),
                           freq='QS').tolist()
plt.xticks(ticks=scale_span, fontsize=12, rotation=90)  # установим шкалу X и размер её обозначений 

# Определим формат подписей шкалы как YYYY-MM 
g.axes[0,0].xaxis.set_major_formatter(mpl.dates.DateFormatter('%Y-%m'))
# Определим размер подписи оси X
g.set_xlabels("months", fontsize=12)

# Определим размер подписи оси Y
g.set_ylabels("average KPI values", fontsize=12)
# Определим размер и поворот подписей под столбцами

plt.show()


sql_quiery = \
"""
-- Создадим запросы и датафрейм с KPI 
WITH 
kpi_s AS
    (SELECT
        "Employee Name",
        'Abutments/Hour Wk 1' AS "KPI_Name",
        "Abutments/Hour Wk 1" AS "KPI_Value"
    FROM 
        production_staff
    UNION ALL
    SELECT
        "Employee Name",
        'Abutments/Hour Wk 2' AS "KPI_Name",
        "Abutments/Hour Wk 2" AS "KPI_Value"
    FROM 
        production_staff
    UNION ALL
    SELECT
        "Employee Name",
        'Daily Error Rate' AS "KPI_Name",
        "Daily Error Rate" AS "KPI_Value"
    FROM 
        production_staff
    UNION ALL
    SELECT
        "Employee Name",
        '90-day Complaints' AS "KPI_Name",
        "90-day Complaints" AS "KPI_Value"
    FROM 
        production_staff
    ),
    
staff_list AS 
    (SELECT 
        "Employee Name",
        DATE_TRUNC('month', "TermDate") AS month
    FROM
        production_staff
    WHERE  -- Условие, что среди сотрудников нет менеджеров, для которых KPI не предусмотрены
        "Position" <> 'Production Manager' AND
        ("Employment Status" = 'Voluntarily Terminated' OR 
        "Employment Status" = 'Terminated for Cause')
),

months AS
    (SELECT
        month
    FROM generate_series(
        (SELECT DATE_TRUNC('month', MIN("TermDate")) 
            FROM production_staff), -- выберем минимальную дату
        (SELECT DATE_TRUNC('month', MAX("TermDate")+ interval '3 months') 
            FROM production_staff), -- выберем максимальную дату
        '1 month') AS month  -- выберем месячный интервал
    )
    
SELECT 
    month,
    "KPI_Name",
    AVG("KPI_Value") AS avg_kpi
FROM
    months
        LEFT OUTER JOIN
        (kpi_s
            RIGHT JOIN
        staff_list
            USING("Employee Name"))
        USING(month)
GROUP BY
   "KPI_Name",
    month
ORDER BY 
    "KPI_Name",
    month
;    
"""

dfg_KPI_over_date_term = pd.read_sql(sql_quiery, conn).dropna()
#dfg_KPI_over_date_term


# Построим сетку графиков для зависимости средних величин KPI от годов найма (для всех сотрудников Production)
# Данные для каждого источника найма разместим в отдельном графике сетки
kpi_list=["Abutments/Hour Wk 1", "Abutments/Hour Wk 2", "Daily Error Rate", "90-day Complaints"]
g = sns.relplot(x="month",
                y="avg_kpi",
                data=dfg_KPI_over_date_term,
                hue="KPI_Name",
                hue_order=kpi_list,
                palette="Dark2",
                kind='line',
                linewidth=2,
                height=5,
                aspect=2.8
                )

g.fig.suptitle("Зависимость средних величин KPI от месяца и года увольнения сотрудников подразделения Production",
               fontsize=16, x=0.50, y=1.015)

# Определим шкалу X как временной диапазон в формате Pandas с квартальными интервалами (для читаемости):
scale_span = pd.date_range(start=dfg_KPI_over_date_term['month'].min(),
                           end= dfg_KPI_over_date_term['month'].max(),
                           freq='QS').tolist()
plt.xticks(ticks=scale_span, fontsize=12, rotation=90)  # установим шкалу X и размер её обозначений 

# Определим формат подписей шкалы как YYYY-MM 
g.axes[0,0].xaxis.set_major_formatter(mpl.dates.DateFormatter('%Y-%m'))
# Определим размер подписи оси X
g.set_xlabels("months", fontsize=12)

# Определим размер подписи оси Y
g.set_ylabels("average KPI values", fontsize=12)

plt.show()


sql_quiery = \
"""
-- Создадим запросы и датафрейм с KPI 
WITH 
kpi_s AS
    (SELECT
        "Employee Name",
        'Abutments/Hour Wk 1' AS "KPI_Name",
        "Abutments/Hour Wk 1" AS "KPI_Value"
    FROM 
        production_staff
    UNION ALL
    SELECT
        "Employee Name",
        'Abutments/Hour Wk 2' AS "KPI_Name",
        "Abutments/Hour Wk 2" AS "KPI_Value"
    FROM 
        production_staff
    UNION ALL
    SELECT
        "Employee Name",
        'Daily Error Rate' AS "KPI_Name",
        "Daily Error Rate" AS "KPI_Value"
    FROM 
        production_staff
    UNION ALL
    SELECT
        "Employee Name",
        '90-day Complaints' AS "KPI_Name",
        "90-day Complaints" AS "KPI_Value"
    FROM 
        production_staff
    ),
    
staff_list AS 
    (SELECT 
        "Employee Name",
        "Employee Source"
    FROM
        hr_dataset
    WHERE  -- Условие, что среди сотрудников нет менеджеров, для которых KPI не предусмотрены
        position <> 'Production Manager'
    ),

kpi_and_sources_list AS
    (SELECT
        "Employee Name",
        "Employee Source" AS empl_source,
        "KPI_Name",
        "KPI_Value"
    FROM
        kpi_s
            RIGHT JOIN
        staff_list
            USING("Employee Name")
    ),
    
empl_source_count AS
    (SELECT 
        COUNT("Employee Name") AS empl_count,
        "Employee Source" AS empl_source
    FROM
        hr_dataset
    WHERE  -- Условие, что среди сотрудников нет менеджеров, для которых KPI не предусмотрены
        TRIM(trailing from department) = 'Production' AND 
        position <> 'Production Manager'
-- Данные hr_dataset в поле department содержат ошибку в значении 'Production' (7 пробелов после слова)
    GROUP BY
        "Employee Source"
),

empl_source_price AS
    (SELECT 
        "Employment Source" AS empl_source,
        "Total"
    FROM
        recruiting_costs
    ),

empl_count_per_source_price AS
    (SELECT 
       *
    FROM
        (empl_source_count
        LEFT JOIN
        empl_source_price
        USING (empl_source)
        )
    ),

per_employee_price AS
    (SELECT 
        empl_source,
        ROUND("Total" / (SUM(empl_count) OVER (PARTITION BY empl_source)), 2) AS "cost_per_employee"
    FROM
        empl_count_per_source_price
    ORDER BY
        "cost_per_employee" DESC
    )

SELECT 
    "Employee Name",
    cost_per_employee,
    "KPI_Name",
    "KPI_Value"
FROM
    kpi_and_sources_list
        INNER JOIN
    per_employee_price
        USING(empl_source)

ORDER BY 
    "KPI_Name",
    empl_source
;
"""

dfg_KPI_over_empl_cost = pd.read_sql(sql_quiery, conn).dropna()
#dfg_KPI_over_empl_cost


# Cоздадим график зависимости KPI и условной стоимости найма одного сотрудника
kpi_list=["Abutments/Hour Wk 1", "Abutments/Hour Wk 2", "Daily Error Rate", "90-day Complaints"]
g=sns.jointplot(
# Для отсечения выбросов предел стоимости найма можно изменить:
    data=dfg_KPI_over_empl_cost[dfg_KPI_over_empl_cost.cost_per_employee < 8000],
    x="cost_per_employee", 
    y="KPI_Value", 
    hue="KPI_Name",
    hue_order=kpi_list,
    height=6
)
g.fig.suptitle(f"УСЛОВНО: Зависимость KPI от стоимости найма одного сотрудника подразделения Production, \n"
               f"включая уволенных (уволившихся)",
               fontsize=16, x=0.50, y=1.05)
plt.show()


sql_quiery = \
"""
-- Создадим запросы и датафрейм с KPI и возрастом сотрудника (приведем данные в формат long-data)
WITH 
KPI_S AS
    (SELECT
        "Employee Name",
        "Position",
        'Abutments/Hour Wk 1' AS "KPI_Name",
        "Abutments/Hour Wk 1" AS "KPI_Value"
    FROM 
        production_staff
    UNION ALL
    SELECT
        "Employee Name",
        "Position",
        'Abutments/Hour Wk 2' AS "KPI_Name",
        "Abutments/Hour Wk 2" AS "KPI_Value"
    FROM 
        production_staff
    UNION ALL
    SELECT
        "Employee Name",
        "Position",
        'Daily Error Rate' AS "KPI_Name",
        "Daily Error Rate" AS "KPI_Value"
    FROM 
        production_staff
    UNION ALL
    SELECT
        "Employee Name",
        "Position",
        '90-day Complaints' AS "KPI_Name",
        "90-day Complaints" AS "KPI_Value"
    FROM 
        production_staff
    ),
        
EmplAge AS
    (SELECT
        "Employee Name",
        "Employee Number",
        age,
        sex,
        racedesc,
        maritaldesc
    FROM 
        hr_dataset
    WHERE 
        rtrim(department, ' ') = 'Production'
    )
    
SELECT 
    *
FROM
    KPI_S
    INNER JOIN
    EmplAge
    USING ("Employee Name")
WHERE "Position"<>'Production Manager'

ORDER BY 
    "Position",
    age,
    "Employee Name",
    "KPI_Name"
;    
"""

dfg_kpi_over_social = pd.read_sql(sql_quiery, conn)
#dfg_kpi_over_social


# Построим графики зависимость KPI от возраста сотрудников.
# Список KPIs:
kpi_list=["Abutments/Hour Wk 1", "Abutments/Hour Wk 2", "Daily Error Rate", "90-day Complaints"]
# Выведем график зависимости возраста и KPI
g=sns.lmplot(data=dfg_kpi_over_social,
             x="age", 
             y="KPI_Value", 
             hue="Position",
             col="KPI_Name",
             col_order=kpi_list,
             col_wrap=2,
             palette="tab10",
             height=4,
             aspect=1,
             facet_kws=dict(sharex=True, sharey=False)
            )

g.fig.suptitle("Зависимость KPI от возраста сотрудника подразделения Production (линейная регрессия)", fontsize=16, y=1.05)
# Определим размер подписи оси X
g.set_xlabels(fontsize=10)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=10)
fig.legend(fontsize=12)
plt.show()


# Построим графики зависимость KPI от пола сотрудников.
# Список KPIs:
kpi_list=["Abutments/Hour Wk 1", "Abutments/Hour Wk 2", "Daily Error Rate", "90-day Complaints"]
# Выведем график зависимости возраста и KPI
g=sns.catplot(data=dfg_kpi_over_social,
             x="Position", 
             y="KPI_Value", 
             hue="sex",
             col="KPI_Name",
             col_order=kpi_list,
             col_wrap=2,
             palette="Pastel1",
             height=4,
             aspect=1,
             kind="boxen",
             facet_kws=dict(sharex=True, sharey=False)
            )

g.fig.suptitle("Зависимость KPI от пола сотрудника подразделения Production", fontsize=16, y=1.05)
# Определим размер подписи оси X
g.set_xlabels(fontsize=10)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=10)
fig.legend(fontsize=12)
plt.show()


# Построим графики зависимость KPI от пола сотрудников.
# Список KPIs:
kpi_list=["Abutments/Hour Wk 1", "Abutments/Hour Wk 2", "Daily Error Rate", "90-day Complaints"]
# Выведем график зависимости возраста и KPI
g=sns.catplot(data=dfg_kpi_over_social,
              x="Position", 
              y="KPI_Value", 
              hue="racedesc",
              col="KPI_Name",
              col_order=kpi_list,
              col_wrap=2,
              palette="Set1_r",
              height=4,
              aspect=1.2,
              kind="boxen",
              facet_kws=dict(sharex=True, sharey=False)
              )

g.fig.suptitle("Зависимость KPI от расово-этнической принадлежности сотрудников подразделения Production",
               fontsize=16, y=1.05)
# Определим размер подписи оси X
g.set_xlabels(fontsize=10)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=10)
fig.legend(fontsize=12)
plt.show()


# Построим графики зависимость KPI от пола сотрудников.
# Список KPIs:
kpi_list=["Abutments/Hour Wk 1", "Abutments/Hour Wk 2", "Daily Error Rate", "90-day Complaints"]
# Выведем график зависимости возраста и KPI
g=sns.catplot(data=dfg_kpi_over_social,
              x="Position", 
              y="KPI_Value", 
              hue="maritaldesc",
              col="KPI_Name",
              col_order=kpi_list,
              col_wrap=2,
              palette="Accent",
              height=4,
              aspect=1.2,
              kind="boxen",
              facet_kws=dict(sharex=True, sharey=False)
              )

g.fig.suptitle("Зависимость KPI от семейного положения сотрудников подразделения Production",
               fontsize=16, y=1.05)
# Определим размер подписи оси X
g.set_xlabels(fontsize=10)
# Определим размер подписи оси Y
g.set_ylabels(fontsize=10)
fig.legend(fontsize=12)
plt.show()


sql_quiery = \
"""
-- Создадим временное представление (оно многократно потребуется нам далее): затраты на наём одного сотрудника
CREATE OR REPLACE TEMPORARY VIEW 
costs_per_employee AS --по каждому источнику удельные затраты на наём одного сотрудника
    WITH
    empl_source_count AS --количество сотрудников по каждому источнику найма
    (SELECT 
        COUNT("Employee Name") AS empl_count,
        "Employee Source" AS empl_source
    FROM
        hr_dataset
    GROUP BY
        "Employee Source"
    ),
    empl_source_price AS --суммарные затраты по каждому истонику найма
        (SELECT 
            "Employment Source" AS empl_source,
            "Total"
        FROM
            recruiting_costs
        ),

    empl_count_per_source_price AS  --совмещение 2 таблиц: по каждому источнику суммарные затраты и кол-во сотрудников
        (SELECT 
           empl_source,
           CASE WHEN "Total" IS NOT NULL
               THEN "Total"
               ELSE '0'
               END AS "Total",
           empl_count
        FROM
            (empl_source_count
            LEFT JOIN
            empl_source_price
            USING (empl_source)
            )
        )
--Результирующее врем.предствление: по каждому источнику удельные затраты на наём одного сотрудника.
SELECT 
    empl_source,
    ROUND("Total" / (SUM(empl_count) OVER (PARTITION BY empl_source)), 2) AS empl_cost
FROM
    empl_count_per_source_price
ORDER BY
    empl_cost DESC
;

WITH 
employee_selection AS --выборка: кол-во сотрудников по статусу занятости внутри каждого источника найма
    (SELECT
    COUNT("Employee Number") AS empl_count,
    "Employee Source" AS empl_source,
    "Employment Status"
FROM
    hr_dataset
GROUP BY
    "Employee Source",
    "Employment Status"
ORDER BY
    "Employment Status"
    ),

status_selection AS --выборка: количество сотрудников по статусам занятости
    (SELECT
        "Employment Status",
        COUNT("Employee Number") AS status_empl_count
    FROM
        hr_dataset
    GROUP BY
        "Employment Status"
    
    ),

abs_recruit_costs_per_status AS --абсолютные затраты на наём сотрудников по каждому статусу занятости
    (SELECT
        "Employment Status",
        ROUND(SUM(empl_count * empl_cost),0)::INTEGER AS total_recruting_costs
    FROM
        employee_selection
        LEFT JOIN
        costs_per_employee
        USING(empl_source)
    GROUP BY
        "Employment Status"
    ORDER BY
        total_recruting_costs DESC
    )

--итог: по каждому статусу занятости: кол-во сотрудников, абсолютные затраты на наём, средние затраты на наём 1 человека
(SELECT
    "Employment Status",
    status_empl_count::INTEGER AS "Employee Count",
    total_recruting_costs,
    total_recruting_costs / status_empl_count AS avg_recruiting_cost
FROM  
    abs_recruit_costs_per_status --абсолютные затрат на наём по каждому статусу
    LEFT JOIN
    status_selection --кол-во сотрудников по каждому статусу
    USING("Employment Status")
ORDER BY
    total_recruting_costs DESC
)
UNION ALL
(SELECT --суммирующая строка
    '[TOTAL]' AS "Employment Status",
    SUM(status_empl_count)::INTEGER AS "Employee Count",
    SUM(total_recruting_costs) AS total_recruting_costs,
    (SUM(total_recruting_costs) / SUM(status_empl_count))::INTEGER AS avg_recruiting_cost
FROM
    abs_recruit_costs_per_status
    LEFT JOIN
    status_selection
    USING("Employment Status")
)
;
"""

df_recruit_costs_per_status = pd.read_sql(sql_quiery, conn)
df_recruit_costs_per_status


sql_quiery = \
"""
-- Используем временное представление, созданное ранее: по каждому источнику удельные затраты на наём одного сотрудника

WITH 
employee_selection AS --выборка: кол-во сотрудников по каждому департаменту внутри источника найма
    (SELECT
        COUNT("Employee Number") AS empl_count,
        "Employee Source" AS empl_source,
        department
    FROM
        hr_dataset
    GROUP BY
        "Employee Source",
        department
    ORDER BY
        department
    ),

department_selection AS --выборка: кол-во сотрудников по каждому департаменту
    (SELECT
        department,
        COUNT("Employee Number") AS dptmnt_empl_count
    FROM
        hr_dataset
    GROUP BY
        department
    ),

abs_recruit_costs_per_dptmnt AS --абсолютные затраты на наём персонала по каждому департаменту
    (SELECT
        department,
        ROUND(SUM(empl_count * empl_cost),0)::INTEGER AS total_recruting_costs
    FROM
        employee_selection --кол-во сотрудников по каждому департаменту внутри источника найма
        LEFT JOIN
        costs_per_employee --по каждому источнику удельные затраты на наём одного сотрудника
        USING(empl_source)
    GROUP BY
        department
    ORDER BY
        total_recruting_costs DESC
    )
--итог: по каждому департаменту: кол-во сотрудников, абсолютные затраты на наём, средние затраты на наём 1 человека
(SELECT
    department,
    dptmnt_empl_count::INTEGER AS "Employee Count",
    total_recruting_costs,
    total_recruting_costs / dptmnt_empl_count AS avg_recruiting_cost
FROM
    abs_recruit_costs_per_dptmnt --абсолютные затраты на наём персонала по каждому департаменту
    LEFT JOIN
    department_selection --кол-во сотрудников по каждому департаменту
    USING(department)
ORDER BY
    total_recruting_costs DESC
)
UNION ALL
(SELECT --итоговая суммирующая строка
    '[TOTAL]' AS department,
    SUM(dptmnt_empl_count)::INTEGER AS "Employee Count",
    SUM(total_recruting_costs) AS total_recruting_costs,
    (SUM(total_recruting_costs) / SUM(dptmnt_empl_count))::INTEGER AS avg_recruiting_cost
FROM
    abs_recruit_costs_per_dptmnt
    LEFT JOIN
    department_selection
    USING(department)
)
;
"""

df_recruit_costs_per_dptmnt = pd.read_sql(sql_quiery, conn)
df_recruit_costs_per_dptmnt


sql_quiery = \
"""
-- Используем временное представление, созданное ранее: по каждому источнику удельные затраты на наём одного сотрудника

WITH 
employee_selection AS --выборка: кол-во сотрудников по каждой должности внутри каждого департамента  
                      --внутри статуса занятости внутри источника найма
    (SELECT
        COUNT("Employee Number") AS empl_count,
        "Employee Source" AS empl_source,
        "Employment Status",
        department,
        position
    FROM
        hr_dataset
    GROUP BY
        "Employee Source",
        "Employment Status",
        department,
        position
    ORDER BY
        "Employment Status",
        department,
        position
    ),

position_selection AS --выборка: кол-во сотрудников по каждой должности внутри статуса занятости
    (SELECT
        "Employment Status",
        position,
        COUNT("Employee Number") AS pstn_empl_count
    FROM
        hr_dataset
    GROUP BY
        "Employment Status",
        position
    ),

abs_recruit_costs_per_pstn_in_dptmnt AS --абсолютные затраты на наём персонала по каждой должности внутри департамента
                                        --внутри статуса занятости
    (SELECT
        department,
        "Employment Status",
        position,
        ROUND(SUM(empl_count * empl_cost),0)::INTEGER AS total_recruiting_costs
    FROM
        employee_selection --кол-во сотрудников по каждой должности внутри каждого департамента внутри статуса
        LEFT JOIN
        costs_per_employee --по каждому источнику удельные затраты на наём одного сотрудника
        USING(empl_source)
    GROUP BY
        department,
        "Employment Status",
        position
    ORDER BY
        total_recruiting_costs DESC
    )
--итог: по каждой дложности: кол-во сотрудников, абсолютные затраты на наём, средние затраты на наём 1 человека
(SELECT
    department,
    position,
    "Employment Status",
    pstn_empl_count::INTEGER AS "Employee Count",
    total_recruiting_costs::INTEGER,
    (total_recruiting_costs / pstn_empl_count)::INTEGER AS avg_recruiting_cost
FROM
    abs_recruit_costs_per_pstn_in_dptmnt --абсолютные затраты на наём персонала по каждой должности внутри департамента
    LEFT JOIN
    position_selection --кол-во сотрудников по каждой должности
    USING(position, "Employment Status")
ORDER BY
    department,
    position,
    "Employment Status",
    total_recruiting_costs DESC
)
UNION ALL
(SELECT --итоговая суммирующая строка
    '[TOTAL]' AS department,
    '[control]' AS position,
    '[control]' AS "Employment Status",
    SUM(pstn_empl_count)::INTEGER AS "Employee Count",
    SUM(total_recruiting_costs)::INTEGER AS total_recruiting_costs,
    (SUM(total_recruiting_costs) / SUM(pstn_empl_count))::INTEGER AS avg_recruiting_cost
FROM
    abs_recruit_costs_per_pstn_in_dptmnt
    LEFT JOIN
    position_selection
    USING(position, "Employment Status")
)
;
"""

dfg_recruit_costs_per_dptmnt_pos = pd.read_sql(sql_quiery, conn).fillna(0)
dfg_recruit_costs_per_dptmnt_pos


# Построим сетку графиков зависимость общих расходов на наём сотрудников по кажой должности 
# в разрезе департаментов и статусов занятости

g=sns.catplot(x="position",
              y="total_recruiting_costs",
              col="department",
              col_wrap=2,
              hue="Employment Status",
              hue_order=["Active","Leave of Absence", "Future Start", "Voluntarily Terminated", "Terminated for Cause"],
              data=dfg_recruit_costs_per_dptmnt_pos.iloc[0:-1], # кроме последнего контрольного ряда
              kind='bar',
              height=5,
              aspect=1.5,
              sharex=False,
              sharey=False,
              dodge=True,
              ci=False
             )

g.fig.suptitle("Затраты на наём персонала в разрезе должностей, департаментов и статусов заянтости, долларов США",
               fontsize=16, x=0.50, y=1.025)
# Определим размер подписи оси X
g.set_xlabels("Position", fontsize=14)
# Определим размер подписи оси Y
g.set_ylabels("Recruiting costs per position", fontsize=14)
# Определим размер и поворот подписей под столбцами
g.set_xticklabels(rotation=90,fontsize=12)
# Изменим интервал между индивидуальными графиками
g.fig.subplots_adjust(hspace=0.7)


g1=sns.catplot(x="position",
              y="avg_recruiting_cost",
              col="department",
              col_wrap=2,
              hue="Employment Status",
              hue_order=["Active","Leave of Absence", "Future Start", "Voluntarily Terminated", "Terminated for Cause"],
              data=dfg_recruit_costs_per_dptmnt_pos.iloc[0:-1], # кроме последнего контрольного ряда
              kind='bar',
              height=5,
              aspect=1.5,
              sharex=False,
              sharey=True,
              dodge=True,
              ci=False
             )

g1.fig.suptitle(f"Затраты на наём одного сотрудника в разрезе должностей, департаментов и статусов заянтости, \n"
                f"долларов США/чел.",
               fontsize=16, x=0.50, y=1.025)
# Определим размер подписи оси X
g1.set_xlabels("Position", fontsize=14)
# Определим размер подписи оси Y
g1.set_ylabels("Recruiting costs per position", fontsize=14)
# Определим размер и поворот подписей под столбцами
g1.set_xticklabels(rotation=90,fontsize=12)
# Изменим интервал между индивидуальными графиками
g1.fig.subplots_adjust(hspace=0.7)



plt.show()


sql_quiery = \
"""
-- Используем временное представление, созданное ранее: по каждому источнику удельные затраты на наём одного сотрудника

WITH 
employee_selection AS --выборка: кол-во сотрудников по каждой дате найма внутри источника найма
    (SELECT
        COUNT("Employee Number") AS empl_count,
        "Employee Source" AS empl_source,
        DATE_TRUNC('month', "Date of Hire") AS empl_date --приведём дату к месяцу
    FROM
        hr_dataset
    GROUP BY
        "Employee Source",
        DATE_TRUNC('month', "Date of Hire")
    ORDER BY
        DATE_TRUNC('month', "Date of Hire")
    ),

empl_date_selection AS --выборка: кол-во сотрудников по каждой дате найма
    (SELECT
        DATE_TRUNC('month', "Date of Hire") AS empl_date, --приведём дату к месяцу
        COUNT("Employee Number") AS empl_date_empl_count
    FROM
        hr_dataset
    GROUP BY
        DATE_TRUNC('month', "Date of Hire")
    ),

abs_recruit_costs_per_empl_date AS --абсолютные затраты на наём персонала по каждой дате найма
    (SELECT
        empl_date,
        ROUND(SUM(empl_count * empl_cost),0)::INTEGER AS total_recruting_costs
    FROM
        employee_selection --кол-во сотрудников по каждой дате найма внутри источника найма
        LEFT JOIN
        costs_per_employee --по каждому источнику удельные затраты на наём одного сотрудника
        USING(empl_source)
    GROUP BY
        empl_date
    ORDER BY
        total_recruting_costs DESC
    )
--итог: по каждому дате найма: кол-во сотрудников, абсолютные затраты на наём, средние затраты на наём 1 человека
(SELECT
    empl_date,
    empl_date_empl_count AS "Employee Count",
    total_recruting_costs,
    total_recruting_costs / empl_date_empl_count AS avg_recruiting_cost
FROM
    abs_recruit_costs_per_empl_date --абсолютные затраты на наём персонала по каждой дате найма
    LEFT JOIN
    empl_date_selection --кол-во сотрудников по каждой дате найма
    USING(empl_date)
ORDER BY
    empl_date
)
UNION ALL
(SELECT --итоговая суммирующая строка
    make_date(2017, 11, 30) AS empl_date,
    SUM(empl_date_empl_count)::INTEGER AS "Employee Count",
    SUM(total_recruting_costs) AS total_recruting_costs,
    (SUM(total_recruting_costs) / SUM(empl_date_empl_count))::INTEGER AS avg_recruiting_cost
FROM
    abs_recruit_costs_per_empl_date
    LEFT JOIN
    empl_date_selection
    USING(empl_date)
)
;
"""

dfg_recruit_costs_per_empl_date = pd.read_sql(sql_quiery, conn, index_col="empl_date")
dfg_recruit_costs_per_empl_date


# Построим график для зависимости абсолютной и средней стоимости найма сотрудников от годов найма

# Из полученного выше DF выберем нужные столбцы и отсечём последнюю контрольную строку
data=dfg_recruit_costs_per_empl_date[["total_recruting_costs", "avg_recruiting_cost"]].iloc[0:-1]
# Не указывам ни X, ни Y, тогда seaborn "понимает" что данные представлены в формате wide-data
g = sns.relplot(data=data,
                palette="Set1",
                kind='line',
                linewidth=2,
                height=7,
                aspect=2.2,
                marker='o'
                )

g.fig.suptitle("Зависимость абсоолютных и средних затрат на наём сотрудников от даты (месяца) найма",
               fontsize=16, x=0.50, y=1.015)

# Определим шкалу X как временной диапазон в формате Pandas с квартальными интервалами (для читаемости):
scale_span = pd.date_range(start=data.index.min(),
                           end= data.index.max(),
                           freq='QS').tolist()
plt.xticks(ticks=scale_span, fontsize=12, rotation=90)  # установим шкалу X и размер её обозначений 

# Определим формат подписей шкалы как YYYY-MM 
g.axes[0,0].xaxis.set_major_formatter(mpl.dates.DateFormatter('%Y-%m'))
# Определим размер подписи оси X
g.set_xlabels("Date of Hire", fontsize=12)

# Определим размер подписи оси Y
g.set_ylabels("USD", fontsize=12)
#g.ax.set_yscale('log') # для читаемости установим логарифмическую шкалу

plt.show()


sql_quiery = \
"""
-- Используем временное представление, созданное ранее: по каждому источнику удельные затраты на наём одного сотрудника

WITH 
employee_selection AS --выборка: кол-во сотрудников по каждой дате увольнения внутри источника найма
    (SELECT
        COUNT("Employee Number") AS empl_count,
        "Employee Source" AS empl_source,
        DATE_TRUNC('month', "Date of Termination") AS term_date --приведём дату к месяцу
    FROM
        hr_dataset
    WHERE
        "Employment Status" = 'Voluntarily Terminated' OR 
        "Employment Status" = 'Terminated for Cause'
    GROUP BY
        "Employee Source",
        DATE_TRUNC('month', "Date of Termination") 
    ORDER BY
        DATE_TRUNC('month', "Date of Termination") 
    ),

term_date_selection AS --выборка: кол-во сотрудников по каждой дате увольнения
    (SELECT
        DATE_TRUNC('month', "Date of Termination") AS term_date, --приведём дату к месяцу
        COUNT("Employee Number") AS term_date_empl_count
    FROM
        hr_dataset
    WHERE
        "Employment Status" = 'Voluntarily Terminated' OR 
        "Employment Status" = 'Terminated for Cause'
    GROUP BY
        DATE_TRUNC('month', "Date of Termination")
    ),

abs_recruit_costs_per_term_date AS --абсолютные затраты на наём персонала по каждой дате увольнения
    (SELECT
        term_date,
        ROUND(SUM(empl_count * empl_cost),0)::INTEGER AS total_recruting_costs
    FROM
        employee_selection --кол-во сотрудников по каждой дате увольнения внутри источника найма
        LEFT JOIN
        costs_per_employee --по каждому источнику удельные затраты на наём одного сотрудника
        USING(empl_source)
    GROUP BY
        term_date
    ORDER BY
        total_recruting_costs DESC
    )
--итог: по каждому дате увольнения: кол-во сотрудников, абсолютные затраты на наём, средние затраты на наём 1 человека
(SELECT
    term_date,
    term_date_empl_count AS "Employee Count",
    total_recruting_costs,
    total_recruting_costs / term_date_empl_count AS avg_recruiting_cost
FROM
    abs_recruit_costs_per_term_date --абсолютные затраты на наём персонала по каждой дате увольнения
    LEFT JOIN
    term_date_selection --кол-во сотрудников по каждой дате увольнения
    USING(term_date)
ORDER BY
    term_date
)
UNION ALL
(SELECT --итоговая суммирующая строка
    make_date(2017, 11, 30) AS term_date,
    SUM(term_date_empl_count)::INTEGER AS "Employee Count",
    SUM(total_recruting_costs) AS total_recruting_costs,
    (SUM(total_recruting_costs) / SUM(term_date_empl_count))::INTEGER AS avg_recruiting_cost
FROM
    abs_recruit_costs_per_term_date
    LEFT JOIN
    term_date_selection
    USING(term_date)
)
;
"""

dfg_recruit_costs_per_term_date = pd.read_sql(sql_quiery, conn, index_col="term_date")
dfg_recruit_costs_per_term_date


# Построим график для зависимости абсолютной и средней стоимости найма сотрудников от годов найма

# Из полученного выше DF выберем нужные столбцы и отсечём последнюю контрольную строку
data=dfg_recruit_costs_per_term_date[["total_recruting_costs", "avg_recruiting_cost"]].iloc[0:-1]
# Не указывам ни X, ни Y, тогда seaborn "понимает" что данные представлены в формате wide-data
g = sns.relplot(data=data,
                palette="Set1",
                kind='line',
                linewidth=2,
                height=7,
                aspect=2.2,
                marker='o'
                )

g.fig.suptitle("Зависимость абсоолютных и средних затрат на наём сотрудников и даты (месяца) увольнения",
               fontsize=16, x=0.50, y=1.015)

# Определим шкалу X как временной диапазон в формате Pandas с квартальными интервалами (для читаемости):
scale_span = pd.date_range(start=data.index.min(),
                           end= data.index.max(),
                           freq='QS').tolist()
plt.xticks(ticks=scale_span, fontsize=12, rotation=90)  # установим шкалу X и размер её обозначений 

# Определим формат подписей шкалы как YYYY-MM 
g.axes[0,0].xaxis.set_major_formatter(mpl.dates.DateFormatter('%Y-%m'))
# Определим размер подписи оси X
g.set_xlabels("Date of Termination", fontsize=12)

# Определим размер подписи оси Y
g.set_ylabels("USD", fontsize=12)
#g.ax.set_yscale('log') # для читаемости установим логарифмическую шкалу

plt.show()


sql_quiery = \
"""
-- Используем временное представление, созданное ранее: по каждому источнику удельные затраты на наём одного сотрудника

WITH 
employee_selection AS --выборка: кол-во сотрудников по каждому возрасту найма внутри источника найма
    (SELECT
        COUNT("Employee Number") AS empl_count,
        "Employee Source" AS empl_source,
        --приведём разницу между датой найма и датой рождения к годам:
        CAST(EXTRACT(year FROM AGE("Date of Hire", dob)) AS INTEGER) AS age_of_hire 
    FROM
        hr_dataset
    GROUP BY
        "Employee Source",
        CAST(EXTRACT(year FROM AGE("Date of Hire", dob)) AS INTEGER) 
    ORDER BY
        CAST(EXTRACT(year FROM AGE("Date of Hire", dob)) AS INTEGER) 
    ),

age_of_hire_selection AS --выборка: кол-во сотрудников по каждому возрасту найма
    (SELECT
        --приведём разницу между датой найма и датой рождения к годам:
        CAST(EXTRACT(year FROM AGE("Date of Hire", dob)) AS INTEGER) AS age_of_hire, 
        COUNT("Employee Number") AS age_of_hire_empl_count
    FROM
        hr_dataset
    GROUP BY
        CAST(EXTRACT(year FROM AGE("Date of Hire", dob)) AS INTEGER)
    ),

abs_recruit_costs_per_age_of_hire AS --абсолютные затраты на наём персонала по каждому возрасту найма
    (SELECT
        age_of_hire,
        ROUND(SUM(empl_count * empl_cost),0)::INTEGER AS total_recruting_costs
    FROM
        employee_selection --кол-во сотрудников по каждому возрасту найма внутри источника найма
        LEFT JOIN
        costs_per_employee --по каждому источнику удельные затраты на наём одного сотрудника
        USING(empl_source)
    GROUP BY
        age_of_hire
    ORDER BY
        total_recruting_costs DESC
    )
--итог: по каждому возрасту найма: кол-во сотрудников, абсолютные затраты на наём, средние затраты на наём 1 человека
(SELECT
    age_of_hire,
    age_of_hire_empl_count AS "Employee Count",
    total_recruting_costs,
    total_recruting_costs / age_of_hire_empl_count AS avg_recruiting_cost
FROM
    abs_recruit_costs_per_age_of_hire --абсолютные затраты на наём персонала по каждму возрасту найма
    LEFT JOIN
    age_of_hire_selection --кол-во сотрудников по каждму возрасту найма
    USING(age_of_hire)
ORDER BY
    age_of_hire
)
UNION ALL
(SELECT --итоговая суммирующая строка
    '0' AS age_of_hire,
    SUM(age_of_hire_empl_count)::INTEGER AS "Employee Count",
    SUM(total_recruting_costs) AS total_recruting_costs,
    (SUM(total_recruting_costs) / SUM(age_of_hire_empl_count))::INTEGER AS avg_recruiting_cost
FROM
    abs_recruit_costs_per_age_of_hire
    LEFT JOIN
    age_of_hire_selection
    USING(age_of_hire)
)
;
"""

dfg_recruit_costs_per_age = pd.read_sql(sql_quiery, conn)
dfg_recruit_costs_per_age


# Построим совмещённый график для зависимости стоииости найма от возраста сотрудников при найме

fig, ax = plt.subplots(figsize=(15, 5), ncols=1, nrows=1)


data=dfg_recruit_costs_per_age.iloc[:-1] # уберём контрольную нижнюю строку из DF
sns.lineplot(data=data,
             x="age_of_hire",
             y="total_recruting_costs",
             color='salmon',
             linewidth=2,
             marker='o',
             ax=ax
            )

ax1 = ax.twinx()
sns.lineplot(data=data,
             x="age_of_hire",
             y="avg_recruiting_cost",
             color='cadetblue',
             linewidth=2,
             marker="o",
             ax=ax1
            )

# Определим заголовок графика
fig.suptitle("Зависимость абсоолютных и средних затрат на наём сотрудников от возраста сотрудников на момент найма",
               fontsize=16, x=0.50, y=1.02)

# Определим легенду графика
line, = ax.plot([1], label='Total costs', color='salmon')
line1, = ax1.plot([1],label='Average costs', color='cadetblue')
plt.figlegend(handles=[line, line1], bbox_to_anchor=(0.25, 0.475, 0.5, 0.5), loc='upper center', ncol=2)

# Определяем шкалу X:
scale_step = 5 # Определяем шаг шкалы X
# Определяем основной диапазон шкалы
scale_span = list(range((int(data.age_of_hire.min() / scale_step) * scale_step), 
                        int(data.age_of_hire.max() + scale_step), 
                        scale_step))
ax.set_xlim(scale_span[0],scale_span[-1]) # установим границы шкалы X и размер её обозначений 
plt.xticks(ticks=scale_span, fontsize=14, rotation=0)  # установим шкалу X и размер её обозначений 


plt.show()


sql_quiery = \
"""
-- Используем временное представление, созданное ранее: по каждому источнику удельные затраты на наём одного сотрудника

WITH 
employee_selection AS --выборка: кол-во сотрудников по полу внутри источника найма
    (SELECT
        COUNT("Employee Number") AS empl_count,
        "Employee Source" AS empl_source,
        sex 
    FROM
        hr_dataset
    GROUP BY
        "Employee Source",
        sex 
    ORDER BY
        sex 
    ),

sex_selection AS --выборка: кол-во сотрудников по полу
    (SELECT
        sex, 
        COUNT("Employee Number") AS sex_empl_count
    FROM
        hr_dataset
    GROUP BY
        sex
    ),

abs_recruit_costs_per_sex AS --абсолютные затраты на наём персонала в разрезе пола
    (SELECT
        sex,
        ROUND(SUM(empl_count * empl_cost),0)::INTEGER AS total_recruting_costs
    FROM
        employee_selection --кол-во сотрудников по полу внутри источника найма
        LEFT JOIN
        costs_per_employee --по каждому источнику удельные затраты на наём одного сотрудника
        USING(empl_source)
    GROUP BY
        sex
    ORDER BY
        total_recruting_costs DESC
    )
--итог: по каждому полу: кол-во сотрудников, абсолютные затраты на наём, средние затраты на наём 1 человека
(SELECT
    sex,
    sex_empl_count AS "Employee Count",
    total_recruting_costs,
    total_recruting_costs / sex_empl_count AS avg_recruiting_cost
FROM
    abs_recruit_costs_per_sex --абсолютные затраты на наём персонала в разрезе пола
    LEFT JOIN
    sex_selection --кол-во сотрудников по каждму полу
    USING(sex)
ORDER BY
    sex
)
UNION ALL
(SELECT --итоговая суммирующая строка
    '[TOTAL]' AS sex,
    SUM(sex_empl_count)::INTEGER AS "Employee Count",
    SUM(total_recruting_costs) AS total_recruting_costs,
    (SUM(total_recruting_costs) / SUM(sex_empl_count))::INTEGER AS avg_recruiting_cost
FROM
    abs_recruit_costs_per_sex
    LEFT JOIN
    sex_selection
    USING(sex)
)
;
"""

df_recruit_costs_per_sex = pd.read_sql(sql_quiery, conn)
df_recruit_costs_per_sex


sql_quiery = \
"""
-- Используем временное представление, созданное ранее: по каждому источнику удельные затраты на наём одного сотрудника

WITH 
employee_selection AS --выборка: кол-во сотрудников по расово-этнической принадлжености внутри источника найма
    (SELECT
        COUNT("Employee Number") AS empl_count,
        "Employee Source" AS empl_source,
        racedesc 
    FROM
        hr_dataset
    GROUP BY
        "Employee Source",
        racedesc 
    ORDER BY
        racedesc 
    ),

racedesc_selection AS --выборка: кол-во сотрудников по расово-этнической принадлжености
    (SELECT
        racedesc, 
        COUNT("Employee Number") AS racedesc_empl_count
    FROM
        hr_dataset
    GROUP BY
        racedesc
    ),

abs_recruit_costs_per_racedesc AS --абсолютные затраты на наём персонала в разрезе расово-этнической принадлжености
    (SELECT
        racedesc,
        ROUND(SUM(empl_count * empl_cost),0)::INTEGER AS total_recruting_costs
    FROM
        employee_selection --кол-во сотрудников по расово-этнической принадлжености внутри источника найма
        LEFT JOIN
        costs_per_employee --по каждому источнику удельные затраты на наём одного сотрудника
        USING(empl_source)
    GROUP BY
        racedesc
    ORDER BY
        total_recruting_costs DESC
    )
--итог: по каждому полу: кол-во сотрудников, абсолютные затраты на наём, средние затраты на наём 1 человека
(SELECT
    racedesc,
    racedesc_empl_count AS "Employee Count",
    total_recruting_costs,
    total_recruting_costs / racedesc_empl_count AS avg_recruiting_cost
FROM
    abs_recruit_costs_per_racedesc --абсолютные затраты на наём персонала в разрезе расово-этнической принадлжености
    LEFT JOIN
    racedesc_selection --кол-во сотрудников по расово-этнической принадлжености
    USING(racedesc)
ORDER BY
    total_recruting_costs DESC
)
UNION ALL
(SELECT --итоговая суммирующая строка
    '[TOTAL]' AS racedesc,
    SUM(racedesc_empl_count)::INTEGER AS "Employee Count",
    SUM(total_recruting_costs) AS total_recruting_costs,
    (SUM(total_recruting_costs) / SUM(racedesc_empl_count))::INTEGER AS avg_recruiting_cost
FROM
    abs_recruit_costs_per_racedesc
    LEFT JOIN
    racedesc_selection
    USING(racedesc)
)
;
"""

df_recruit_costs_per_racedesc = pd.read_sql(sql_quiery, conn)
df_recruit_costs_per_racedesc


sql_quiery = \
"""
-- Используем временное представление, созданное ранее: по каждому источнику удельные затраты на наём одного сотрудника

WITH 
employee_selection AS --выборка: кол-во сотрудников по семейному положению внутри источника найма
    (SELECT
        COUNT("Employee Number") AS empl_count,
        "Employee Source" AS empl_source,
        maritaldesc 
    FROM
        hr_dataset
    GROUP BY
        "Employee Source",
        maritaldesc 
    ORDER BY
        maritaldesc 
    ),

maritaldesc_selection AS --выборка: кол-во сотрудников по семейному положению
    (SELECT
        maritaldesc, 
        COUNT("Employee Number") AS maritaldesc_empl_count
    FROM
        hr_dataset
    GROUP BY
        maritaldesc
    ),

abs_recruit_costs_per_maritaldesc AS --абсолютные затраты на наём персонала в разрезе семейному положению
    (SELECT
        maritaldesc,
        ROUND(SUM(empl_count * empl_cost),0)::INTEGER AS total_recruting_costs
    FROM
        employee_selection --кол-во сотрудников по семейному положению внутри источника найма
        LEFT JOIN
        costs_per_employee --по каждому источнику удельные затраты на наём одного сотрудника
        USING(empl_source)
    GROUP BY
        maritaldesc
    ORDER BY
        total_recruting_costs DESC
    )
--итог: по каждому полу: кол-во сотрудников, абсолютные затраты на наём, средние затраты на наём 1 человека
(SELECT
    maritaldesc,
    maritaldesc_empl_count AS "Employee Count",
    total_recruting_costs,
    total_recruting_costs / maritaldesc_empl_count AS avg_recruiting_cost
FROM
    abs_recruit_costs_per_maritaldesc --абсолютные затраты на наём персонала в разрезе семейному положению
    LEFT JOIN
    maritaldesc_selection --кол-во сотрудников по семейному положению
    USING(maritaldesc)
ORDER BY
    total_recruting_costs DESC
)
UNION ALL
(SELECT --итоговая суммирующая строка
    '[TOTAL]' AS maritaldesc,
    SUM(maritaldesc_empl_count)::INTEGER AS "Employee Count",
    SUM(total_recruting_costs) AS total_recruting_costs,
    (SUM(total_recruting_costs) / SUM(maritaldesc_empl_count))::INTEGER AS avg_recruiting_cost
FROM
    abs_recruit_costs_per_maritaldesc
    LEFT JOIN
    maritaldesc_selection
    USING(maritaldesc)
)
;
"""

df_recruit_costs_per_maritaldesc = pd.read_sql(sql_quiery, conn)
df_recruit_costs_per_maritaldesc


# Создадим DF с социальными и демографическими показателями в зависимости от возраста.
sql_quiery = \
"""
SELECT
    COUNT("Employee Number") AS empl_count,
    sex,
    age
FROM
    hr_dataset
WHERE
    "Employment Status" = 'Active' OR 
    "Employment Status" = 'Future Start' OR 
    "Employment Status" = 'Leave of Absence'    
GROUP BY
    sex,
    age
ORDER BY
    sex DESC,
    age
;
"""

dfg_sex_over_age = pd.read_sql(sql_quiery, conn)
#dfg_sex_over_age

sql_quiery = \
"""
SELECT
    COUNT("Employee Number") AS empl_count,
    racedesc,
    age
FROM
    hr_dataset
WHERE
    "Employment Status" = 'Active' OR 
    "Employment Status" = 'Future Start' OR 
    "Employment Status" = 'Leave of Absence'    
GROUP BY
    racedesc,
    age
ORDER BY
    racedesc,
    age
;
"""

dfg_race_over_age = pd.read_sql(sql_quiery, conn)
#dfg_race_over_age

sql_quiery = \
"""
SELECT
    COUNT("Employee Number") AS empl_count,
    maritaldesc,
    age
FROM
    hr_dataset
WHERE
    "Employment Status" = 'Active' OR 
    "Employment Status" = 'Future Start' OR 
    "Employment Status" = 'Leave of Absence'    
GROUP BY
    maritaldesc,
    age
ORDER BY
    age
;
"""

dfg_marital_over_age = pd.read_sql(sql_quiery, conn)
#dfg_marital_over_age


# Зададим поле графика
fig, axes = plt.subplots(figsize=(18, 12), ncols=1, nrows=3)

# Создадим словарь для создания графиков в цикле
param_dict={0:[dfg_sex_over_age, 'sex', 'Pastel1'], 1:[dfg_race_over_age, 'racedesc', 'Dark2'],
           2:[dfg_marital_over_age, 'maritaldesc', 'tab10']}

# Определяем шкалу X:
scale_step = 5 # Определяем шаг шкалы X
# Определяем основной диапазон шкалы
scale_span = list(range((int(dfg_sex_over_age.age.min() / scale_step) * scale_step), 
                        int(dfg_sex_over_age.age.max() + scale_step), 
                        scale_step))
# Построим графики в цикле
for i in range(3):
    sns.lineplot(data=param_dict[i][0],
                 x='age',
                 y='empl_count',
                 hue=param_dict[i][1],
                 marker='o',
                 linewidth=3,
                 palette=param_dict[i][2],
                 alpha=0.7,
                 ax=axes[i])

    axes[i].set_xlim(scale_span[0],scale_span[-1]) # установим границы шкалы X и размер её обозначений 
    plt.xticks(ticks=scale_span, fontsize=12, rotation=0)  # установим шкалу X и размер её обозначений 
    axes[i].set_xlabel("Age", fontsize=14)
    axes[i].set_ylabel("Number of Employees", fontsize=14)
    
# Определим расстояния между графиками
fig.tight_layout(h_pad=4)

# Определим заголовок графика
fig.suptitle(
    "Зависимость пола, расово-этнической принадлежности и семейного положения от возраста действующих сотрудников",
    fontsize=16, x=0.50, y=1.05)

plt.show()


sql_quiery = \
"""
SELECT
    sex,
    racedesc,
    maritaldesc
FROM
    hr_dataset
WHERE
    "Employment Status" = 'Active' OR 
    "Employment Status" = 'Future Start' OR 
    "Employment Status" = 'Leave of Absence'    
;
"""

dfg_social_over_social = pd.read_sql(sql_quiery, conn)
#dfg_social_over_social


# Создадим сетку графиков зависимостей количества сотрудников от пола, расово-этнической принадлежности 
# и семейного положения 
# 1я группа графиков x="racedesc", hue="maritaldesc":
g=sns.catplot(data=dfg_social_over_social,
              x="racedesc",
              hue="maritaldesc",
              col="sex",
              kind='count',
              ci=False,
              palette="Dark2"
             )
# Определим подписи осей
g.set_xlabels("Race", fontsize=12)
g.set_ylabels("Number of Employees", fontsize=12)
# Определим подписи шкалы X
g.set_xticklabels(rotation=60,fontsize=10)

# 2я группа графиков x="maritaldesc", hue="racedesc":
g1=sns.catplot(data=dfg_social_over_social,
              x="maritaldesc",
              hue="racedesc",
              col="sex",
              kind='count',
              ci=False,
              palette="tab10"
             )
# Определим подписи осей
g1.set_xlabels("Race", fontsize=12)
g1.set_ylabels("Number of Employees", fontsize=12)
# Определим подписи шкалы X
g1.set_xticklabels(rotation=60,fontsize=10)

# Определим заголовок графиков
g.fig.suptitle(
    "Распределение числа сотрудников по полу, расово-этнической принадлежности и семейному положению",
    fontsize=16, x=0.50, y=1.05)


plt.show()


# Закроем открытые ранее временные представления
sql_statement = \
"""
DROP VIEW IF EXISTS 
    EmployeesNameTrim,
    EmployeesMissingSpaces,
    EmployeesReducedSpaces,
    ManagersNorm,
    EmployeesAndManagers,
    Level1,
    Level2,
    Level3,
    Level4,
    PositionsWithMultActiveEmployees,
    salary_age_schedule,
    EmployeesSourcePayrate,
    EmployeesPerformancePayrate,
    PerformancePerSex,
    PerformancePerMarital,
    PerformancePerRace,
    PerformancePerDepartment,
    PerformancePerChief,
    PerformancePerSource,
    kpi_s,
    costs_per_employee
"""
conn.execute(sql_statement)

<sqlalchemy.engine.cursor.LegacyCursorResult at 0x1a28d0e5730>


pd.set_option('display.max_rows', 60)  # восстановим значение по умолчанию максимума отображаемых строк 
pd.set_option('display.max_columns', 20)  # восстановим значение по умолчанию максимума отображаемых столбцов


### YOUR CODE HERE ###

	Date of Hire	Days Employed	actual_date
0	2008-10-27	3317	2017-11-26
1	2014-01-06	1420	2017-11-26
2	2014-09-29	1154	2017-11-26
3	2015-05-01	940	2017-11-26
4	2016-01-05	691	2017-11-26

	Employment Source	January	February	March	April	May	June	July	August	September	October	November	December	Total
id
1	Billboard	520	520	520	520	0	0	612	612	729	749	910	500	6192
2	Careerbuilder	410	410	410	820	820	410	410	820	820	1230	820	410	7790
3	Company Intranet - Partner	0	0	0	0	0	0	0	0	0	0	0	0	0
4	Diversity Job Fair	0	5129	0	0	0	0	0	4892	0	0	0	0	10021
5	Employee Referral	0	0	0	0	0	0	0	0	0	0	0	0	0
6	Glassdoor	0	0	0	0	0	0	0	0	0	0	0	0	0
7	Information Session	0	0	0	0	0	0	0	0	0	0	0	0	0
8	Internet Search	0	0	0	0	0	0	0	0	0	0	0	0	0
9	MBTA ads	640	640	640	640	640	640	640	1300	1300	1300	1300	1300	10980
10	Monster.com	500	500	500	440	500	500	440	500	440	440	500	500	5760
11	Newspager/Magazine	629	510	293	810	642	675	707	740	772	805	838	870	8291
12	On-campus Recruiting	0	0	2500	0	0	2500	0	0	2500	0	0	0	7500
13	On-line Web application	0	0	0	0	0	0	0	0	0	0	0	0	0
14	Other	0	492	0	829	744	0	610	0	0	510	0	810	3995
15	Pay Per Click	110	110	60	121	110	109	130	146	105	109	105	110	1323
16	Pay Per Click - Google	330	330	180	362	197	152	389	437	315	327	315	176	3509
17	Professional Society	100	100	100	100	100	100	100	100	100	100	100	100	1200
18	Search Engine - Google Bing Yahoo	330	410	388	372	472	412	416	495	619	502	389	378	5183
19	Social Networks - Facebook Twitter etc	420	481	452	479	392	508	578	466	389	439	491	478	5573
20	Vendor Referral	0	0	0	0	0	0	0	0	0	0	0	0	0
21	Website Banner Ads	400	400	300	388	592	610	620	669	718	767	816	865	7143
22	Word of Mouth	0	0	0	0	0	0	0	0	0	0	0	0	0

	Position	Salary Min	Salary Mid	Salary Max	Hourly Min	Hourly Mid	Hourly Max
id
1	Administrative Assistant	30000	40000	50000	14.42	19.23	24.04
2	Sr. Administrative Assistant	35000	45000	55000	16.83	21.63	26.44
3	Accountant I	42274	51425	62299	20.32	24.72	29.95
4	Accountant II	50490	62158	74658	24.27	29.88	35.89
5	Sr. Accountant	63264	76988	92454	30.42	37.01	44.45
6	Network Engineer	50845	66850	88279	24.44	32.14	42.44
7	Sr. Network Engineer	79428	99458	120451	38.19	47.82	57.91
8	Database Administrator	50569	68306	93312	24.31	32.84	44.86
9	Sr. DBA	92863	116007	139170	44.65	55.77	66.91
10	Production Technician I	30000	40000	50000	14.42	19.23	24.04
11	Production Technician II	38000	48000	58000	18.27	23.08	27.88
12	Lead Production Technician	45000	55000	65000	21.63	26.44	31.25

		Employee Count	percent_of_all
department	positions
Admin Offices	Accountant I	3	1.44
	Administrative Assistant	2	0.96
	Shared Services Manager	1	0.48
	Sr. Accountant	2	0.96
	[SUBTOTAL]	8	3.85
Executive Office	President & CEO	1	0.48
Executive Office	[SUBTOTAL]	1	0.48
IT/IS	BI Developer	4	1.92
	BI Director	1	0.48
	CIO	1	0.48
	Data Architect	1	0.48
	Database Administrator	8	3.85
	IT Director	1	0.48
	IT Manager - DB	1	0.48
	IT Manager - Infra	1	0.48
	IT Manager - Support	1	0.48
	IT Support	4	1.92
	Network Engineer	8	3.85
	Senior BI Developer	3	1.44
	Sr. DBA	1	0.48
	Sr. Network Engineer	5	2.40
	[SUBTOTAL]	40	19.23
Production	Director of Operations	1	0.48
	Production Manager	9	4.33
	Production Technician I	84	40.38
	Production Technician II	31	14.90
	[SUBTOTAL]	125	60.10
Sales	Area Sales Manager	24	11.54
	Director of Sales	1	0.48
	Sales Manager	2	0.96
	[SUBTOTAL]	27	12.98
Software Engineering	Software Engineer	6	2.88
	Software Engineering Manager	1	0.48
	[SUBTOTAL]	7	3.37
[TOTAL]	[SUBTOTAL]	208	100.00

	Employee Name	empl_name_norm	Employee Number	Employment Status	department	position	Manager Name	manager_name_norm	Manager Number
0	Brown, Mia	Brown, Mia	1103024456	Active	Admin Offices	Accountant I	Brandon R. LeBlanc	LeBlanc, Brandon R	1.102024e+09
1	LaRotonda, William	LaRotonda, William	1106026572	Active	Admin Offices	Accountant I	Brandon R. LeBlanc	LeBlanc, Brandon R	1.102024e+09
2	Steans, Tyrone	Steans, Tyrone	1302053333	Active	Admin Offices	Accountant I	Brandon R. LeBlanc	LeBlanc, Brandon R	1.102024e+09
3	Howard, Estelle	Howard, Estelle	1211050782	Active	Admin Offices	Administrative Assistant	Brandon R. LeBlanc	LeBlanc, Brandon R	1.102024e+09
4	Singh, Nan	Singh, Nan	1307059817	Active	Admin Offices	Administrative Assistant	Brandon R. LeBlanc	LeBlanc, Brandon R	1.102024e+09

	Employee Name	Employee Number	marriedid	maritalstatusid	genderid	empstatus_id	deptid	perf_scoreid	age	Pay Rate	state	zip	dob	sex	maritaldesc	citizendesc	Hispanic/Latino	racedesc	Date of Hire	Days Employed	Date of Termination	Reason For Term	Employment Status	department	position	Manager Name	Employee Source	Performance Score
id
1	Brown, Mia	1103024456	1	1	0	1	1	3	30	28.50	MA	1450	1987-11-24	Female	Married	US Citizen	No	Black or African American	2008-10-27	3317	None	N/A - still employed	Active	Admin Offices	Accountant I	Brandon R. LeBlanc	Diversity Job Fair	Fully Meets
2	LaRotonda, William	1106026572	0	2	1	1	1	3	34	23.00	MA	1460	1984-04-26	Male	Divorced	US Citizen	No	Black or African American	2014-01-06	1420	None	N/A - still employed	Active	Admin Offices	Accountant I	Brandon R. LeBlanc	Website Banner Ads	Fully Meets
3	Steans, Tyrone	1302053333	0	0	1	1	1	3	31	29.00	MA	2703	1986-09-01	Male	Single	US Citizen	No	White	2014-09-29	1154	None	N/A - still employed	Active	Admin Offices	Accountant I	Brandon R. LeBlanc	Internet Search	Fully Meets
4	Howard, Estelle	1211050782	1	1	0	1	1	9	32	21.50	MA	2170	1985-09-16	Female	Married	US Citizen	No	White	2015-02-16	58	2015-04-15	N/A - still employed	Active	Admin Offices	Administrative Assistant	Brandon R. LeBlanc	Pay Per Click - Google	N/A- too early to review
5	Singh, Nan	1307059817	0	0	0	1	1	9	30	16.56	MA	2330	1988-05-19	Female	Single	US Citizen	No	White	2015-05-01	940	None	N/A - still employed	Active	Admin Offices	Administrative Assistant	Brandon R. LeBlanc	Website Banner Ads	N/A- too early to review
6	Smith, Leigh Ann	711007713	1	1	0	5	1	3	30	20.50	MA	1844	1987-06-14	Female	Married	US Citizen	No	Asian	2011-09-26	730	2013-09-25	career change	Voluntarily Terminated	Admin Offices	Administrative Assistant	Brandon R. LeBlanc	Diversity Job Fair	Fully Meets
7	LeBlanc, Brandon R	1102024115	1	1	1	1	1	3	33	55.00	MA	1460	1984-06-10	Male	Married	US Citizen	No	White	2016-01-05	691	None	N/A - still employed	Active	Admin Offices	Shared Services Manager	Janet King	Monster.com	Fully Meets
8	Quinn, Sean	1206043417	1	1	1	5	1	3	33	55.00	MA	2045	1984-11-06	Male	Married	Eligible NonCitizen	No	Black or African American	2011-02-21	1636	2015-08-15	career change	Voluntarily Terminated	Admin Offices	Shared Services Manager	Janet King	Diversity Job Fair	Fully Meets
9	Boutwell, Bonalyn	1307060188	1	1	0	1	1	0	31	34.95	MA	2468	1987-04-04	Female	Married	US Citizen	No	Asian	2015-02-16	1014	None	N/A - still employed	Active	Admin Offices	Sr. Accountant	Brandon R. LeBlanc	Diversity Job Fair	90-day meets
10	Foster-Baker, Amy	1201031308	1	1	0	1	1	3	39	34.95	MA	2050	1979-04-16	Female	Married	US Citizen	no	White	2009-01-05	3247	None	N/A - still employed	Active	Admin Offices	Sr. Accountant	Board of Directors	Other	Fully Meets

	Employee Name	Race Desc	Date of Hire	TermDate	Reason for Term	Employment Status	Department	Position	Pay	Manager Name	Performance Score	Abutments/Hour Wk 1	Abutments/Hour Wk 2	Daily Error Rate	90-day Complaints
id
1	Albert, Michael	White	2011-08-01	None	N/A - still employed	Active	Production	Production Manager	$54.50	Elisa Bramante	Fully Meets	0.0	0.0	0.0	0.0
2	Bozzi, Charles	Asian	2013-09-30	2014-08-07	retiring	Voluntarily Terminated	Production	Production Manager	$50.50	Elisa Bramante	Fully Meets	0.0	0.0	0.0	0.0
3	Butler, Webster L	White	2016-01-28	None	N/A - still employed	Active	Production	Production Manager	$55.00	Elisa Bramante	Exceeds	0.0	0.0	0.0	0.0
4	Dunn, Amy	White	2014-09-18	None	N/A - still employed	Active	Production	Production Manager	$51.00	Elisa Bramante	Fully Meets	0.0	0.0	0.0	0.0
5	Gray, Elijiah	White	2015-06-02	None	N/A - still employed	Active	Production	Production Manager	$54.00	Elisa Bramante	Fully Meets	0.0	0.0	0.0	0.0
6	Hogland, Jonathan	White	2011-01-10	2015-12-12	attendance	Terminated for Cause	Production	Production Manager	$48.00	Elisa Bramante	Fully Meets	0.0	0.0	0.0	0.0
7	Immediato, Walter	Asian	2011-02-21	2012-09-24	unhappy	Voluntarily Terminated	Production	Production Manager	$42.00	Elisa Bramante	Needs Improvement	0.0	0.0	0.0	0.0
8	Liebig, Ketsia	White	2013-09-30	None	N/A - still employed	Active	Production	Production Manager	$55.00	Elisa Bramante	Exceeds	0.0	0.0	0.0	0.0
9	Miller, Brannon	Hispanic	2012-08-16	None	N/A - still employed	Active	Production	Production Manager	$53.00	Elisa Bramante	Fully Meets	0.0	0.0	0.0	0.0
10	Peterson, Ebonee	White	2010-10-25	2016-05-18	Another position	Voluntarily Terminated	Production	Production Manager	$38.00	Elisa Bramante	Fully Meets	0.0	0.0	0.0	0.0

	Employment Status	Employee Count
0	Active	183
1	Future Start	11
2	Leave of Absence	14
3	Terminated for Cause	14
4	Voluntarily Terminated	88
5	TOTALS	310

			count
Manager Name	Sub-department	Subordinates
Alex Sweetwater	Software Engineering	Software Engineer	6
Amy Dunn	Production	Production Technician I	7
Amy Dunn	Production	Production Technician II	1
Board of Directors	Admin Offices	Sr. Accountant	1
Board of Directors	Executive Office	President & CEO	1
Brandon R. LeBlanc	Admin Offices	Accountant I	3
		Administrative Assistant	2
		Sr. Accountant	1
Brannon Miller	Production	Production Technician I	13
Brannon Miller	Production	Production Technician II	2
Brian Champaigne	IT/IS	BI Developer	4
		Data Architect	1
		Senior BI Developer	3
David Stanley	Production	Production Technician I	12
David Stanley	Production	Production Technician II	3
Debra Houlihan	Sales	Sales Manager	2
Elijiah Gray	Production	Production Technician I	9
Elijiah Gray	Production	Production Technician II	5
Eric Dougall	IT/IS	IT Support	4
Janet King	Admin Offices	Shared Services Manager	1
	IT/IS	CIO	1
	Production	Director of Operations	1
	Production	Production Manager	9
	Sales	Director of Sales	1
Jennifer Zamora	IT/IS	BI Director	1
		IT Director	1
		IT Manager - DB	1
		IT Manager - Infra	1
		IT Manager - Support	1
	Software Engineering	Software Engineering Manager	1
John Smith	Sales	Area Sales Manager	11
Kelley Spirea	Production	Production Technician I	11
Kelley Spirea	Production	Production Technician II	5
Ketsia Liebig	Production	Production Technician I	12
Ketsia Liebig	Production	Production Technician II	4
Kissy Sullivan	Production	Production Technician I	6
Kissy Sullivan	Production	Production Technician II	4
Lynn Daneault	Sales	Area Sales Manager	13
Michael Albert	Production	Production Technician I	10
Michael Albert	Production	Production Technician II	3
Peter Monroe	IT/IS	Network Engineer	8
Peter Monroe	IT/IS	Sr. Network Engineer	5
Simon Roup	IT/IS	Database Administrator	8
Simon Roup	IT/IS	Sr. DBA	1
Webster Butler	Production	Production Technician I	4
Webster Butler	Production	Production Technician II	4

											sub5_count
Top Manager	Sub1 Department	Sub1 Position	Sub1 Name	Sub2 Department	Sub2 Position	Sub2 Name	Sub3 Department	Sub3 Position	Sub3 Name	Sub4 Position
Board of Directors	Admin Offices	Sr. Accountant	Foster-Baker, Amy	NaN	NaN	NaN	NaN	NaN	NaN	NaN	0
	Executive Office	President & CEO	King, Janet	Admin Offices	Shared Services Manager	LeBlanc, Brandon R	Admin Offices	Accountant I	Brown, Mia	NaN	0
									LaRotonda, William	NaN	0
									Steans, Tyrone	NaN	0
								Administrative Assistant	Howard, Estelle	NaN	0
								Administrative Assistant	Singh, Nan	NaN	0
								Sr. Accountant	Boutwell, Bonalyn	NaN	0
				IT/IS	CIO	Zamora, Jennifer	IT/IS	BI Director	Champaigne, Brian	BI Developer	4
										Data Architect	1
										Senior BI Developer	3
								IT Director	Foss, Jason	NaN	0
								IT Manager - DB	Roup, Simon	Database Administrator	8
								IT Manager - DB	Roup, Simon	Sr. DBA	1
								IT Manager - Infra	Monroe, Peter	Network Engineer	8
								IT Manager - Infra	Monroe, Peter	Sr. Network Engineer	5
								IT Manager - Support	Dougall, Eric	IT Support	4
							Software Engineering	Software Engineering Manager	Sweetwater, Alex	Software Engineer	6
				Production	Director of Operations	Bramante, Elisa	NaN	NaN	NaN	NaN	0
					Production Manager	Albert, Michael	Production	Production Technician I	Adinolfi, Wilson K	NaN	0
									Chace, Beatrice	NaN	0
									Crimmings, Jean	NaN	0
									Gentry, Mildred	NaN	0
									Handschiegl, Joanne	NaN	0
									Keatts, Kramer	NaN	0
									Medeiros, Jennifer	NaN	0
									Owad, Clinton	NaN	0
									Sullivan, Timothy	NaN	0
									Von Massenbach, Anna	NaN	0
						Butler, Webster L	Production	Production Technician I	Becker, Scott	NaN	0
									Chang, Donovan E	NaN	0
									Rivera, Haley	NaN	0
									Sewkumar, Nori	NaN	0
						Dunn, Amy	Production	Production Technician I	Anderson, Linda	NaN	0
									Bernstein, Sean	NaN	0
									Desimone, Carl	NaN	0
									Fernandes, Nilson	NaN	0
									Girifalco, Evelyn	NaN	0
									Harrison, Kara	NaN	0
									Shields, Seffi	NaN	0
						Gray, Elijiah	Production	Production Technician I	Alagbe, Trina	NaN	0
									Beatrice, Courtney	NaN	0
									Chan, Lin	NaN	0
									Darson, Jene'ya	NaN	0
									Harrell, Ludwick	NaN	0
									Lydon, Allison	NaN	0
									Motlagh, Dawn	NaN	0
									Sander, Kamrin	NaN	0
									Sutwell, Barbara	NaN	0
						Liebig, Ketsia	Production	Production Technician I	Athwal, Sam	NaN	0
									Biden, Lowan M	NaN	0
									Cierpiszewski, Caroline	NaN	0
									Dickinson, Geoff	NaN	0
									Ferreira, Violeta	NaN	0
									Gold, Shenice	NaN	0
									Heitzman, Anthony	NaN	0
									Knapp, Bradley J	NaN	0
									Mahoney, Lauren	NaN	0
									Newman, Richard	NaN	0
									Peterson, Kayla	NaN	0
									Smith, Sade	NaN	0
						Miller, Brannon	Production	Production Technician I	Bachiochi, Linda	NaN	0
									Billis, Helen	NaN	0
									Clukey, Elijian	NaN	0
									DiNocco, Lily	NaN	0
Fidelia, Libby									NaN	0
Gonzalez, Cayo	NaN	0
Ivey, Rose	NaN	0
Kretschmer, John	NaN	0
Mangal, Debbie	NaN	0
Ngodup, Shari	NaN	0
Robinson, Elias	NaN	0
Sparks, Taylor	NaN	0
Tippett, Jeanette	NaN	0
Spirea, Kelley	Production	Production Technician I	Barone, Francesco A			NaN	0
			Carey, Michael			NaN	0
			Cornett, Lisa			NaN	0
			Engdahl, Jean			NaN	0
			England, Rex			NaN	0
			Gaul, Barbara			NaN	0
			Jhaveri, Sneha			NaN	0
			Osturnka, Adeel			NaN	0
			Punjabhi, Louis	NaN		0
			Saar-Beckles, Melinda	NaN	0
			Stoica, Rick	NaN	0
Stanley, David	Production	Production Technician I	Cockel, James	NaN	0
			Dobrin, Denisa S	NaN	0
			Garcia, Raul	NaN	0
			Gordon, David	NaN	0
			Jackson, Maryellen	NaN	0
			Langton, Enrico	NaN	0
			Maurice, Shana	NaN	0
			Nguyen, Lei-Ming	NaN	0
			Pitt, Brad	NaN	0
			Rose, Ashley	NaN	0
			Trang, Mei	NaN	0
			Zima, Colleen	NaN	0
Sullivan, Kissy	Production	Production Technician I	Bugali, Josephine	NaN	0
			Garneau, Hamish	NaN	0
			Goyal, Roxana	NaN	0
			Jacobi, Hannah	NaN	0
			Mckenna, Sandy	NaN	0
			Stanford, Barbara M	NaN	0
Albert, Michael	Production	Production Technician II	Blount, Dianna	NaN	0
			Erilus, Angela	NaN	0
			Moumanil, Maliki	NaN	0
Butler, Webster L	Production	Production Technician II	Buccheri, Joseph	NaN	0
			Fancett, Nicole	NaN	0
			Hutter, Rosalie	NaN	0
			Manchester, Robyn	NaN	0
Dunn, Amy	Production	Production Technician II	Burke, Joelle	NaN	0
Gray, Elijiah	Production	Production Technician II	Faller, Megan	NaN	0
			Hunts, Julissa	NaN	0
			Lunquist, Lisa	NaN	0
			Nowlan, Kristie	NaN	0
			Smith, Joe	NaN	0
Liebig, Ketsia	Production	Production Technician II	Burkett, Benjamin	NaN	0
			Jeannite, Tayana	NaN	0
			McCarthy, Brigit	NaN	0
			Walker, Roger	NaN	0
Miller, Brannon	Production	Production Technician II	Johnston, Yen	NaN	0
Miller, Brannon	Production	Production Technician II	Petingill, Shana	NaN	0
Spirea, Kelley	Production	Production Technician II	Beak, Kimberly	NaN	0
			Hankard, Earnest	NaN	0
			Linden, Mathew	NaN	0
			Moran, Patrick	NaN	0
			Sahoo, Adil	NaN	0
Stanley, David	Production	Production Technician II	Good, Susan	NaN	0
			Monkfish, Erasumus	NaN	0
			Wolk, Hang T	NaN	0
Sullivan, Kissy	Production	Production Technician II	Davis, Daniel	NaN	0
			Gosciminski, Phylicia	NaN	0
			Monterro, Luisa	NaN	0
			Woodson, Jason	NaN	0
Sales	Director of Sales	Houlihan, Debra	Sales	Sales Manager	Daneault, Lynn	Area Sales Manager	13
Sales	Director of Sales	Houlihan, Debra	Sales	Sales Manager	Smith, John	Area Sales Manager	11

	Employee Number	usd_per_year
0	1304055683	29120
1	1111030244	29120
2	1407069061	29120
3	1403066020	31200
4	1205033102	31200
5	1211051232	31200
6	1001109612	31200
7	1102024121	31200
8	1106026579	31200
9	1599991009	31200
10	807010161	31616
11	1403066069	32760
12	1408069882	33280
13	1404066949	33280
14	1410071137	33280
15	1401064562	33280
16	1208048062	33280
17	1308060366	33280
18	1109029366	33280
19	1411071212	33280
20	1204032927	33280
21	1307059817	34445
22	1202031618	34840
23	1101023679	34861
24	1209049259	35360
25	1001735072	35360
26	710007555	35360
27	1408069539	35360
28	1304055987	35360
29	1110029777	35360
30	1011022887	35360
31	1307059944	35360
32	1104025414	37440
33	1302053339	37440
34	1309061015	39520
35	1501072192	39520
36	1203032357	39520
37	1301052462	39520
38	1412071713	39520
39	1002017900	39520
40	1201031310	39520
41	1305057282	40560
42	1311063172	41080
43	1404066622	41600
44	1106026474	41600
45	1201031438	41600
46	1409070522	41600
47	1101023353	41600
48	1410070998	41600
49	1401064327	41600
50	1408069635	41600
51	1311063114	41600
52	1109029256	41600
53	1501072124	41600
54	1101023612	43680
55	1311062610	43680
56	706006285	43680
57	1011022883	43680
58	1302053044	43680
59	1406068241	43680
60	1503072857	43680
61	1302053362	43680
62	1007020403	44200
63	1211050782	44720
64	1405067565	45760
65	1205033180	45760
66	1103024335	45760
67	1101023457	45760
68	1012023152	45760
69	1301052124	45760
70	1403066194	45760
71	1209048696	45760
72	1405067642	45760
73	1412071844	45760
74	1001970770	45760
75	1011022818	45760
76	1106026896	45760
77	1111030129	45760
78	1012023295	45760
79	1212051409	45760
80	1008020942	46800
81	1308060754	47840
82	1106026572	47840
83	1110029623	47840
84	1304055947	47840
85	803009012	47840
86	1409070255	49920
87	1105026041	49920
88	1402065085	49920
89	1405067064	49920
90	1307059937	49920
91	909015167	49920
92	1105025661	49920
93	1006020020	49920
94	1312063675	49920
95	1012023010	50440
96	1001549006	50440
97	1501071909	50960
98	1407069280	51480
99	1306057810	52000
100	1001103149	52000
101	1011022820	52000
102	1201031274	52000
103	1106026433	52000
104	1408069503	54080
105	1103024843	54080
106	1406067957	54080
107	1301052449	54080
108	602000312	54080
109	1001504432	54288
110	1104025435	54891
111	1001644719	56160
112	1303054329	56160
113	1403066125	56160
114	1001956578	56160
115	1108028428	56160
116	1108028351	56160
117	1404066711	56160
118	1203032263	57179
119	1103024924	58240
120	1103024456	59280
121	1301052902	60299
122	1301052436	60320
123	1302053333	60320
124	1106026462	60320
125	808010278	62816
126	1501072093	65312
127	1110029732	65312
128	1105025718	70720
129	1307060188	72696
130	1201031308	72696
131	1406068403	73840
132	1101023540	76960
133	1988299991	81120
134	1407068885	82264
135	1003018246	83200
136	1102024173	87360
137	1203032255	87776
138	1108027853	88920
139	1012023013	89440
140	1009919940	93600
141	1009920000	93600
142	1009919990	93600
143	1212052023	93600
144	1009919980	95680
145	906014183	97760
146	1107027358	99008
147	1201031324	99840
148	1411071506	102128
149	1012023185	102440
150	1009919930	104520
151	1409070147	106080
152	1009919970	106080
153	1102024149	108160
154	1009919960	108680
155	1000974650	110240
156	1107027351	110240
157	1308060959	110240
158	904013591	111904
159	1402065303	112320
160	1411071295	112320
161	1307060077	112320
162	1411071312	112528
163	1501072311	113360
164	1102024115	114400
165	1103024679	114400
166	1110029990	114400
167	1405067298	114400
168	1504073313	114400
169	1403065721	114400
170	1409070567	114400
171	1408069481	114400
172	1411071302	114400
173	1203032099	114400
174	1104025008	114400
175	1412071660	114400
176	1209049326	114400
177	1306057978	114400
178	1111030684	114400
179	812011761	114400
180	1102024106	114400
181	1502072711	114400
182	1401064637	114400
183	1312063714	114400
184	1009919950	114400
185	1301052347	114816
186	1204032843	115440
187	1411071481	115440
188	1303054625	115461
189	1101023577	116480
190	1209048771	116480
191	1111030503	116480
192	1499902910	116480
193	1306059197	116480
194	1001084890	116480
195	1108028108	116896
196	1501072180	118560
197	1203032498	118810
198	1009021646	124800
199	1006020066	124800
200	1010022337	127504
201	1106026933	128960
202	1011022863	131040
203	1009919920	132080
204	1101023754	133120
205	1192991000	135200
206	1112030816	135200
207	1001495124	166400

	performace_score	number_of_employees
0	90-day meets	18
1	Exceeds	20
2	Exceptional	9
3	Fully Meets	125
4	N/A- too early to review	24
5	Needs Improvement	7
6	PIP	5
7	[TOTAL]	208

	month	employee_count
0	2006-01-01 00:00:00+00:00	1.0
1	2006-02-01 00:00:00+00:00	NaN
2	2006-03-01 00:00:00+00:00	NaN
3	2006-04-01 00:00:00+00:00	NaN
4	2006-05-01 00:00:00+00:00	NaN
5	2006-06-01 00:00:00+00:00	NaN
6	2006-07-01 00:00:00+00:00	NaN
7	2006-08-01 00:00:00+00:00	NaN
8	2006-09-01 00:00:00+00:00	NaN
9	2006-10-01 00:00:00+00:00	NaN
10	2006-11-01 00:00:00+00:00	NaN
11	2006-12-01 00:00:00+00:00	NaN
12	2007-01-01 00:00:00+00:00	NaN
13	2007-02-01 00:00:00+00:00	NaN
14	2007-03-01 00:00:00+00:00	NaN
15	2007-04-01 00:00:00+00:00	NaN
16	2007-05-01 00:00:00+00:00	NaN
17	2007-06-01 00:00:00+00:00	NaN
18	2007-07-01 00:00:00+00:00	NaN
19	2007-08-01 00:00:00+00:00	NaN
20	2007-09-01 00:00:00+00:00	NaN
21	2007-10-01 00:00:00+00:00	NaN
22	2007-11-01 00:00:00+00:00	1.0
23	2007-12-01 00:00:00+00:00	NaN
24	2008-01-01 00:00:00+00:00	1.0
25	2008-02-01 00:00:00+00:00	NaN
26	2008-03-01 00:00:00+00:00	NaN
27	2008-04-01 00:00:00+00:00	NaN
28	2008-05-01 00:00:00+00:00	NaN
29	2008-06-01 00:00:00+00:00	NaN
30	2008-07-01 00:00:00+00:00	NaN
31	2008-08-01 00:00:00+00:00	NaN
32	2008-09-01 00:00:00+00:00	NaN
33	2008-10-01 00:00:00+00:00	1.0
34	2008-11-01 00:00:00+00:00	NaN
35	2008-12-01 00:00:00+00:00	NaN
36	2009-01-01 00:00:00+00:00	3.0
37	2009-02-01 00:00:00+00:00	NaN
38	2009-03-01 00:00:00+00:00	NaN
39	2009-04-01 00:00:00+00:00	NaN
40	2009-05-01 00:00:00+00:00	NaN
41	2009-06-01 00:00:00+00:00	NaN
42	2009-07-01 00:00:00+00:00	1.0
43	2009-08-01 00:00:00+00:00	NaN
44	2009-09-01 00:00:00+00:00	NaN
45	2009-10-01 00:00:00+00:00	NaN
46	2009-11-01 00:00:00+00:00	NaN
47	2009-12-01 00:00:00+00:00	NaN
48	2010-01-01 00:00:00+00:00	NaN
49	2010-02-01 00:00:00+00:00	NaN
50	2010-03-01 00:00:00+00:00	NaN
51	2010-04-01 00:00:00+00:00	2.0
52	2010-05-01 00:00:00+00:00	1.0
53	2010-06-01 00:00:00+00:00	NaN
54	2010-07-01 00:00:00+00:00	1.0
55	2010-08-01 00:00:00+00:00	1.0
56	2010-09-01 00:00:00+00:00	1.0
57	2010-10-01 00:00:00+00:00	NaN
58	2010-11-01 00:00:00+00:00	NaN
59	2010-12-01 00:00:00+00:00	NaN
60	2011-01-01 00:00:00+00:00	4.0
61	2011-02-01 00:00:00+00:00	NaN
62	2011-03-01 00:00:00+00:00	1.0
63	2011-04-01 00:00:00+00:00	4.0
64	2011-05-01 00:00:00+00:00	2.0
65	2011-06-01 00:00:00+00:00	1.0
66	2011-07-01 00:00:00+00:00	4.0
67	2011-08-01 00:00:00+00:00	2.0
68	2011-09-01 00:00:00+00:00	1.0
69	2011-10-01 00:00:00+00:00	1.0
70	2011-11-01 00:00:00+00:00	4.0
71	2011-12-01 00:00:00+00:00	NaN
72	2012-01-01 00:00:00+00:00	5.0
73	2012-02-01 00:00:00+00:00	5.0
74	2012-03-01 00:00:00+00:00	2.0
75	2012-04-01 00:00:00+00:00	4.0
76	2012-05-01 00:00:00+00:00	3.0
77	2012-06-01 00:00:00+00:00	NaN
78	2012-07-01 00:00:00+00:00	4.0
79	2012-08-01 00:00:00+00:00	2.0
80	2012-09-01 00:00:00+00:00	1.0
81	2012-10-01 00:00:00+00:00	1.0
82	2012-11-01 00:00:00+00:00	2.0
83	2012-12-01 00:00:00+00:00	NaN
84	2013-01-01 00:00:00+00:00	3.0
85	2013-02-01 00:00:00+00:00	1.0
86	2013-03-01 00:00:00+00:00	NaN
87	2013-04-01 00:00:00+00:00	2.0
88	2013-05-01 00:00:00+00:00	2.0
89	2013-06-01 00:00:00+00:00	NaN
90	2013-07-01 00:00:00+00:00	8.0
91	2013-08-01 00:00:00+00:00	6.0
92	2013-09-01 00:00:00+00:00	8.0
93	2013-10-01 00:00:00+00:00	NaN
94	2013-11-01 00:00:00+00:00	7.0
95	2013-12-01 00:00:00+00:00	NaN
96	2014-01-01 00:00:00+00:00	6.0
97	2014-02-01 00:00:00+00:00	5.0
98	2014-03-01 00:00:00+00:00	2.0
99	2014-04-01 00:00:00+00:00	NaN
100	2014-05-01 00:00:00+00:00	10.0
101	2014-06-01 00:00:00+00:00	NaN
102	2014-07-01 00:00:00+00:00	7.0
103	2014-08-01 00:00:00+00:00	3.0
104	2014-09-01 00:00:00+00:00	13.0
105	2014-10-01 00:00:00+00:00	NaN
106	2014-11-01 00:00:00+00:00	8.0
107	2014-12-01 00:00:00+00:00	NaN
108	2015-01-01 00:00:00+00:00	8.0
109	2015-02-01 00:00:00+00:00	6.0
110	2015-03-01 00:00:00+00:00	11.0
111	2015-04-01 00:00:00+00:00	NaN
112	2015-05-01 00:00:00+00:00	2.0
113	2015-06-01 00:00:00+00:00	2.0
114	2015-07-01 00:00:00+00:00	1.0
115	2015-08-01 00:00:00+00:00	NaN
116	2015-09-01 00:00:00+00:00	NaN
117	2015-10-01 00:00:00+00:00	NaN
118	2015-11-01 00:00:00+00:00	NaN
119	2015-12-01 00:00:00+00:00	NaN
120	2016-01-01 00:00:00+00:00	2.0
121	2016-02-01 00:00:00+00:00	NaN
122	2016-03-01 00:00:00+00:00	NaN
123	2016-04-01 00:00:00+00:00	NaN
124	2016-05-01 00:00:00+00:00	1.0
125	2016-06-01 00:00:00+00:00	3.0
126	2016-07-01 00:00:00+00:00	5.0
127	2016-08-01 00:00:00+00:00	NaN
128	2016-09-01 00:00:00+00:00	1.0
129	2016-10-01 00:00:00+00:00	2.0
130	2016-11-01 00:00:00+00:00	NaN
131	2016-12-01 00:00:00+00:00	NaN
132	2017-01-01 00:00:00+00:00	1.0
133	2017-02-01 00:00:00+00:00	3.0
134	2017-03-01 00:00:00+00:00	NaN
135	2017-04-01 00:00:00+00:00	2.0

	Recruitment Source	Employee Count	Total per Source	Per Employee
0	Indeed	8	NaN	NaN
1	Careerbuilder	1	7790.0	7790.00
2	Pay Per Click	1	1323.0	1323.00
3	MBTA ads	17	10980.0	645.88
4	On-campus Recruiting	12	7500.0	625.00
5	Website Banner Ads	13	7143.0	549.46
6	Social Networks - Facebook Twitter etc	11	5573.0	506.64
7	Newspager/Magazine	18	8291.0	460.61
8	Other	9	3995.0	443.89
9	Billboard	16	6192.0	387.00
10	Diversity Job Fair	29	10021.0	345.55
11	Monster.com	24	5760.0	240.00
12	Search Engine - Google Bing Yahoo	25	5183.0	207.32
13	Pay Per Click - Google	21	3509.0	167.10
14	Professional Society	20	1200.0	60.00
15	Employee Referral	31	0.0	0.00
16	On-line Web application	1	0.0	0.00
17	Information Session	4	0.0	0.00
18	Internet Search	6	0.0	0.00
19	Vendor Referral	15	0.0	0.00
20	Company Intranet - Partner	1	0.0	0.00
21	Glassdoor	14	0.0	0.00
22	Word of Mouth	13	0.0	0.00

	Race	number_of_employees
0	American Indian or Alaska Native	4
1	Asian	23
2	Black or African American	40
3	Hispanic	3
4	Two or more races	11
5	White	127
6	[TOTAL]	208

		count	min_age	median_age	avg_age	max_age
department	position
Admin Offices	Accountant I	3	30	31.0	31.666667	34
	Administrative Assistant	2	30	31.0	31.000000	32
	Shared Services Manager	1	33	33.0	33.000000	33
	Sr. Accountant	2	31	35.0	35.000000	39
	[SUBTOTAL department]	8	30	31.5	32.500000	39
Executive Office	President & CEO	1	63	63.0	63.000000	63
Executive Office	[SUBTOTAL department]	1	63	63.0	63.000000	63
IT/IS	BI Developer	4	28	32.0	32.500000	38
	BI Director	1	46	46.0	46.000000	46
	CIO	1	38	38.0	38.000000	38
	Data Architect	1	45	45.0	45.000000	45
	Database Administrator	8	29	33.5	35.125000	48
	IT Director	1	37	37.0	37.000000	37
	IT Manager - DB	1	45	45.0	45.000000	45
	IT Manager - Infra	1	31	31.0	31.000000	31
	IT Manager - Support	1	47	47.0	47.000000	47
	IT Support	4	29	38.5	38.750000	49
	Network Engineer	8	28	33.5	34.875000	49
	Senior BI Developer	3	30	36.0	38.000000	48
	Sr. DBA	1	31	31.0	31.000000	31
	Sr. Network Engineer	5	32	40.0	45.000000	66
	[SUBTOTAL department]	40	28	36.0	37.600000	66
Production	Director of Operations	1	35	35.0	35.000000	35
	Production Manager	9	34	40.0	39.888889	49
	Production Technician I	84	25	39.0	39.428571	67
	Production Technician II	31	25	34.0	36.419355	54
	[SUBTOTAL department]	125	25	38.0	38.680000	67
Sales	Area Sales Manager	24	27	34.5	38.416667	63
	Director of Sales	1	52	52.0	52.000000	52
	Sales Manager	2	28	30.5	30.500000	33
	[SUBTOTAL department]	27	27	33.0	38.333333	63
Software Engineering	Software Engineer	6	30	33.0	34.000000	39
	Software Engineering Manager	1	51	51.0	51.000000	51
	[SUBTOTAL department]	7	30	35.0	36.428571	51
[TOTAL]	[SUBTOTAL department]	208	25	37.0	38.230769	67

	marital_status	number_of_employees
0	Divorced	14
1	Married	78
2	Separated	11
3	Single	101
4	Widowed	4
5	[TOTAL]	208

	state	number_of_employees	percent_of_all
0	[TOTAL]	208	100.00
1	MA	178	85.58
2	CT	5	2.40
3	TX	3	1.44
4	VT	2	0.96
5	MT	1	0.48
6	NV	1	0.48
7	KY	1	0.48
8	NY	1	0.48
9	WA	1	0.48
10	AL	1	0.48
11	IN	1	0.48
12	UT	1	0.48
13	FL	1	0.48
14	CO	1	0.48
15	ME	1	0.48
16	NC	1	0.48
17	AZ	1	0.48
18	RI	1	0.48
19	GA	1	0.48
20	ID	1	0.48
21	CA	1	0.48
22	NH	1	0.48
23	OR	1	0.48
24	ND	1	0.48

	Employment Status	department	employee_count	percent_of_department
0	Active	Admin Offices	8	80.00
1	Active	Executive Office	1	100.00
2	Active	IT/IS	35	70.00
3	Active	Production	106	50.96
4	Active	Sales	26	83.87
5	Active	Software Engineering	7	70.00
6	Future Start	IT/IS	2	4.00
7	Future Start	Production	8	3.85
8	Future Start	Sales	1	3.23
9	Leave of Absence	IT/IS	3	6.00
10	Leave of Absence	Production	11	5.29
11	Terminated for Cause	IT/IS	4	8.00
12	Terminated for Cause	Production	8	3.85
13	Terminated for Cause	Sales	1	3.23
14	Terminated for Cause	Software Engineering	1	10.00
15	Voluntarily Terminated	Admin Offices	2	20.00
16	Voluntarily Terminated	IT/IS	6	12.00
17	Voluntarily Terminated	Production	75	36.06
18	Voluntarily Terminated	Sales	3	9.68
19	Voluntarily Terminated	Software Engineering	2	20.00

	sex	empl_status	employee_count	percent_of_status
0	Female	Active	101	55.19
1	Female	Future Start	8	72.73
2	Female	Leave of Absence	9	64.29
3	Female	Terminated for Cause	8	57.14
4	Female	Voluntarily Terminated	51	57.95
5	Male	Active	82	44.81
6	Male	Future Start	3	27.27
7	Male	Leave of Absence	5	35.71
8	Male	Terminated for Cause	6	42.86
9	Male	Voluntarily Terminated	37	42.05

	Race Description	empl_status	employee_count	percent_of_status
0	American Indian or Alaska Native	Active	3	1.64
1	American Indian or Alaska Native	Leave of Absence	1	7.14
2	Asian	Active	18	9.84
3	Asian	Future Start	1	9.09
4	Asian	Leave of Absence	4	28.57
5	Asian	Voluntarily Terminated	11	12.50
6	Black or African American	Active	36	19.67
7	Black or African American	Future Start	2	18.18
8	Black or African American	Leave of Absence	2	14.29
9	Black or African American	Terminated for Cause	5	35.71
10	Black or African American	Voluntarily Terminated	12	13.64
11	Hispanic	Active	2	1.09
12	Hispanic	Leave of Absence	1	7.14
13	Hispanic	Voluntarily Terminated	1	1.14
14	Two or more races	Active	9	4.92
15	Two or more races	Future Start	1	9.09
16	Two or more races	Leave of Absence	1	7.14
17	Two or more races	Terminated for Cause	1	7.14
18	Two or more races	Voluntarily Terminated	6	6.82
19	White	Active	115	62.84
20	White	Future Start	7	63.64
21	White	Leave of Absence	5	35.71
22	White	Terminated for Cause	8	57.14
23	White	Voluntarily Terminated	58	65.91

	maritaldesc	empl_status	employee_count	percent_of_status
0	Divorced	Active	14	7.65
1	Divorced	Voluntarily Terminated	16	18.18
2	Married	Active	65	35.52
3	Married	Future Start	5	45.45
4	Married	Leave of Absence	8	57.14
5	Married	Terminated for Cause	5	35.71
6	Married	Voluntarily Terminated	40	45.45
7	Separated	Active	8	4.37
8	Separated	Future Start	1	9.09
9	Separated	Leave of Absence	2	14.29
10	Separated	Voluntarily Terminated	1	1.14
11	Single	Active	92	50.27
12	Single	Future Start	5	45.45
13	Single	Leave of Absence	4	28.57
14	Single	Terminated for Cause	8	57.14
15	Single	Voluntarily Terminated	28	31.82
16	Widowed	Active	4	2.19
17	Widowed	Terminated for Cause	1	7.14
18	Widowed	Voluntarily Terminated	3	3.41

	state	empl_status	employee_count	percent_of_status
0	AL	Active	1	0.55
1	AZ	Active	1	0.55
2	CA	Active	1	0.55
3	CO	Active	1	0.55
4	CT	Active	4	2.19
5	CT	Leave of Absence	1	7.14
6	CT	Terminated for Cause	1	7.14
7	FL	Active	1	0.55
8	GA	Active	1	0.55
9	ID	Active	1	0.55
10	IN	Active	1	0.55
11	KY	Active	1	0.55
12	MA	Active	155	84.70
13	MA	Future Start	10	90.91
14	MA	Leave of Absence	13	92.86
15	MA	Terminated for Cause	12	85.71
16	MA	Voluntarily Terminated	85	96.59
17	ME	Active	1	0.55
18	MT	Active	1	0.55
19	NC	Active	1	0.55
20	ND	Active	1	0.55
21	NH	Active	1	0.55
22	NV	Active	1	0.55
23	NY	Active	1	0.55
24	OH	Terminated for Cause	1	7.14
25	OR	Active	1	0.55
26	PA	Voluntarily Terminated	1	1.14
27	RI	Active	1	0.55
28	TN	Voluntarily Terminated	1	1.14
29	TX	Active	2	1.09
30	TX	Future Start	1	9.09
31	UT	Active	1	0.55
32	VA	Voluntarily Terminated	1	1.14
33	VT	Active	2	1.09
34	WA	Active	1	0.55

	citizendesc	empl_status	employee_count	percent_of_status
0	Eligible NonCitizen	Active	7	3.83
1	Eligible NonCitizen	Voluntarily Terminated	5	5.68
2	Non-Citizen	Active	1	0.55
3	Non-Citizen	Voluntarily Terminated	3	3.41
4	US Citizen	Active	175	95.63
5	US Citizen	Future Start	11	100.00
6	US Citizen	Leave of Absence	14	100.00
7	US Citizen	Terminated for Cause	14	100.00
8	US Citizen	Voluntarily Terminated	80	90.91

	department	position	Current Median	USD per Year	Date of Termination
0	Admin Offices	Administrative Assistant	39582.4	42640.0	2013-09-25
1	Admin Offices	Shared Services Manager	114400.0	114400.0	2015-08-15
2	IT/IS	Database Administrator	78052.0	89440.0	2015-09-12
3	IT/IS	Database Administrator	78052.0	100880.0	2015-03-15
4	IT/IS	Database Administrator	78052.0	83408.0	2015-02-22
5	IT/IS	Database Administrator	78052.0	85280.0	2016-05-01
6	IT/IS	Database Administrator	78052.0	93600.0	2015-10-31
7	IT/IS	IT Manager - DB	128960.0	43680.0	2015-11-04
8	IT/IS	Network Engineer	88400.0	58240.0	2015-05-12
9	IT/IS	Sr. DBA	127504.0	128960.0	2016-06-16
10	IT/IS	Sr. DBA	127504.0	121056.0	2016-02-19
11	IT/IS	Sr. DBA	127504.0	121680.0	2015-11-10
12	Production	Production Manager	112320.0	105040.0	2014-08-07
13	Production	Production Manager	112320.0	100880.0	2015-12-12
14	Production	Production Manager	112320.0	87360.0	2012-09-24
15	Production	Production Manager	112320.0	80080.0	2016-05-18
16	Production	Production Manager	112320.0	69680.0	2012-01-02
17	Production	Production Technician I	41340.0	33280.0	2011-09-06
18	Production	Production Technician I	41340.0	35360.0	2011-01-12
19	Production	Production Technician I	41340.0	45760.0	2012-09-19
20	Production	Production Technician I	41340.0	37440.0	2013-04-06
21	Production	Production Technician I	41340.0	41600.0	2013-06-15
22	Production	Production Technician I	41340.0	43680.0	2015-11-15
23	Production	Production Technician I	41340.0	31200.0	2012-09-23
24	Production	Production Technician I	41340.0	48880.0	2015-06-08
25	Production	Production Technician I	41340.0	35360.0	2013-06-06
26	Production	Production Technician I	41340.0	35360.0	2014-09-27
27	Production	Production Technician I	41340.0	37440.0	2014-02-25
28	Production	Production Technician I	41340.0	41600.0	2014-05-17
29	Production	Production Technician I	41340.0	45760.0	2011-11-15
30	Production	Production Technician I	41340.0	31200.0	2015-06-25
31	Production	Production Technician I	41340.0	29120.0	2014-01-11
32	Production	Production Technician I	41340.0	41080.0	2015-12-15
33	Production	Production Technician I	41340.0	35360.0	2016-04-29
34	Production	Production Technician I	41340.0	43680.0	2016-04-01
35	Production	Production Technician I	41340.0	45760.0	2015-06-04
36	Production	Production Technician I	41340.0	49920.0	2012-01-09
37	Production	Production Technician I	41340.0	39520.0	2013-08-19
38	Production	Production Technician I	41340.0	31200.0	2011-08-04
39	Production	Production Technician I	41340.0	31720.0	2011-09-26
40	Production	Production Technician I	41340.0	39520.0	2015-11-14
41	Production	Production Technician I	41340.0	31200.0	2012-09-26
42	Production	Production Technician I	41340.0	29120.0	2015-11-11
43	Production	Production Technician I	41340.0	37440.0	2014-04-04
44	Production	Production Technician I	41340.0	45760.0	2016-05-25
45	Production	Production Technician I	41340.0	38480.0	2016-05-01
46	Production	Production Technician I	41340.0	37440.0	2014-01-12
47	Production	Production Technician I	41340.0	49920.0	2012-12-28
48	Production	Production Technician I	41340.0	45760.0	2015-10-25
49	Production	Production Technician I	41340.0	37440.0	2012-11-30
50	Production	Production Technician I	41340.0	39520.0	2011-06-04
51	Production	Production Technician I	41340.0	33280.0	2013-06-18
52	Production	Production Technician I	41340.0	43680.0	2012-04-07
53	Production	Production Technician I	41340.0	41600.0	2016-01-15
54	Production	Production Technician I	41340.0	49920.0	2016-01-26
55	Production	Production Technician I	41340.0	33280.0	2016-05-17
56	Production	Production Technician I	41340.0	37440.0	2012-08-13
57	Production	Production Technician I	41340.0	43680.0	2010-07-30
58	Production	Production Technician I	41340.0	43680.0	2015-06-29
59	Production	Production Technician I	41340.0	31200.0	2013-04-01
60	Production	Production Technician I	41340.0	41600.0	2011-09-05
61	Production	Production Technician I	41340.0	41600.0	2011-05-14
62	Production	Production Technician I	41340.0	39520.0	2016-02-05
63	Production	Production Technician I	41340.0	43680.0	2016-02-08
64	Production	Production Technician I	41340.0	31200.0	2015-09-01
65	Production	Production Technician I	41340.0	47840.0	2011-05-15
66	Production	Production Technician I	41340.0	43680.0	2015-09-07
67	Production	Production Technician I	41340.0	33280.0	2015-06-27
68	Production	Production Technician I	41340.0	45760.0	2015-09-29
69	Production	Production Technician II	52000.0	60320.0	2012-09-24
70	Production	Production Technician II	52000.0	54080.0	2014-04-04
71	Production	Production Technician II	52000.0	52000.0	2013-01-07
72	Production	Production Technician II	52000.0	54080.0	2011-09-26
73	Production	Production Technician II	52000.0	60320.0	2015-11-04
74	Production	Production Technician II	52000.0	60320.0	2013-06-24
75	Production	Production Technician II	52000.0	49920.0	2012-01-09
76	Production	Production Technician II	52000.0	60320.0	2011-05-30
77	Production	Production Technician II	52000.0	49920.0	2013-02-18
78	Production	Production Technician II	52000.0	58240.0	2012-04-07
79	Production	Production Technician II	52000.0	47840.0	2013-04-01
80	Production	Production Technician II	52000.0	45760.0	2014-03-31
81	Production	Production Technician II	52000.0	58240.0	2013-04-15
82	Production	Production Technician II	52000.0	49920.0	2013-09-15
83	Production	Production Technician II	52000.0	47840.0	2011-08-19
84	Production	Production Technician II	52000.0	52000.0	2014-09-04
85	Production	Production Technician II	52000.0	52000.0	2013-08-19
86	Production	Production Technician II	52000.0	58240.0	2011-09-15
87	Production	Production Technician II	52000.0	60320.0	2012-02-04
88	Production	Production Technician II	52000.0	54080.0	2011-10-22
89	Production	Production Technician II	52000.0	45760.0	2012-02-08
90	Production	Production Technician II	52000.0	47840.0	2015-04-08
91	Production	Production Technician II	52000.0	59800.0	2012-07-08
92	Production	Production Technician II	52000.0	47840.0	2010-08-30
93	Production	Production Technician II	52000.0	45760.0	2012-07-02
94	Production	Production Technician II	52000.0	60320.0	2016-02-21
95	Sales	Area Sales Manager	114400.0	114400.0	2014-08-02
96	Sales	Area Sales Manager	114400.0	114400.0	2015-09-05
97	Sales	Area Sales Manager	114400.0	114400.0	2014-10-31
98	Sales	Sales Manager	114400.0	125320.0	2014-04-24
99	Software Engineering	Software Engineer	108950.4	100880.0	2013-06-05
100	Software Engineering	Software Engineer	108950.4	108680.0	2015-09-07
101	Software Engineering	Software Engineer	108950.4	94473.6	2014-04-15

	Recruitment Source	Employee Count	Total per Source	Per Employee	Average Salary	Median Salary
0	Indeed	8	NaN	NaN	101270.00	100100.0
1	Careerbuilder	1	7790.0	7790.00	54080.00	54080.0
2	Pay Per Click	1	1323.0	1323.00	31200.00	31200.0
3	MBTA ads	17	10980.0	645.88	50990.59	45760.0
4	On-campus Recruiting	12	7500.0	625.00	48845.33	44720.0
5	Website Banner Ads	13	7143.0	549.46	86329.60	114400.0
6	Social Networks - Facebook Twitter etc	11	5573.0	506.64	56161.89	41600.0
7	Newspager/Magazine	18	8291.0	460.61	49660.00	47840.0
8	Other	9	3995.0	443.89	79028.44	72696.0
9	Billboard	16	6192.0	387.00	62562.50	47320.0
10	Diversity Job Fair	29	10021.0	345.55	59754.81	45760.0
11	Monster.com	24	5760.0	240.00	65703.73	53040.0
12	Search Engine - Google Bing Yahoo	25	5183.0	207.32	51955.07	45760.0
13	Pay Per Click - Google	21	3509.0	167.10	83294.10	87776.0
14	Professional Society	20	1200.0	60.00	64922.00	48100.0
15	Employee Referral	31	0.0	0.00	75400.00	76960.0
16	On-line Web application	1	0.0	0.00	37440.00	37440.0
17	Information Session	4	0.0	0.00	57454.80	51469.6
18	Internet Search	6	0.0	0.00	72886.67	70200.0
19	Vendor Referral	15	0.0	0.00	84773.87	93600.0
20	Company Intranet - Partner	1	0.0	0.00	128960.00	128960.0
21	Glassdoor	14	0.0	0.00	58237.03	54589.6
22	Word of Mouth	13	0.0	0.00	43360.00	43680.0

Table of Contents

Курсовая работа № 2¶

Аналитика. Начальный уровень¶

Часть первая¶

ЧАСТЬ 1¶

ВАЖНОЕ ВВОДНОЕ ЗАМЕЧАНИЕ¶

1.0. ПОДГОТОВКА ДАННЫХ¶

1.1. ОБЗОР ДЕЙСТВУЮЩЕГО ШТАТА КОМПАНИИ¶

1.1.1. Организационное распределение сотрудников по департаментам и должностям, статусы занятости и организационная структура компании¶

1.1.1.1. Статусы занятости и количество работников¶

1.1.1.2. Распределение действующих сотрудников по департаментам¶

1.1.1.3. Распределение действующих сотрудников по должностям¶

1.1.1.4. Полная действующая организационная структуру компании по занятым должностям¶

1.1.2. Общее распределение действующих сотрудников по производственно-экономическим показателям¶

1.1.2.1. Общее распределение действующих сотрудников сообразно размеру заработной платы в годовом выражении для¶

1.1.2.2. Распеределение действующих сотрудников по оценкам производительности¶

1.1.2.3. Общее распределение действующих сотрудников по сроку работы в компании¶

1.1.2.4. Общее распределение действующих сотрудников по дате найма¶

1.1.2.5. Распеределение действующих сотрудников по источнику найма¶

1.1.2.6. УСЛОВНЫЙ РАСЧЁТ: Стоимость найма одного сотрудника (не зависит от статуса занятости).¶

1.1.3. Общее распределение действующих сотрудников по социально-демографическим показателям¶

1.1.3.1. Общая возрастная структура компании (действующие сотрудники)¶

1.1.3.2. Общее распределение действующих сотрудников компании по половому признаку¶

1.1.3.3. Общее распеределение действующих сотрудников по расово-этнической принадлежности¶

1.1.3.4. Общее распеределение действующих сотрудников по семейному положению¶

1.1.3.5. Общее распеределение действующих сотрудников по гражданству¶

1.1.3.6. Общее распеределение действующих сотрудников по штатам проживания¶

1.1.3.7. Общее распределение действующих сотруников по возрасту, полу и семейному положению вместе¶

1.2. ИССЛЕДОВАНИЕ ЗАВИСИМОСТЕЙ ПАРАМЕТРОВ¶

1.2.1. Зависимости для показателей структуры - от других показателей структуры¶

1.2.1.1. Расперделение статусов занятости сотрудников по департаментам¶

1.2.1.2. Расперделение статусов занятости сотрудников по должностям в разрезе департаментов¶

1.2.2. Зависимости для социально-демографических показателей - от показателей структуры¶

1.2.2.1. Зависимость распределения возраста от статусов занятости¶

1.2.2.2. Зависимость распределения половой принадлежности от статусов занятости¶

1.2.2.3. Зависимость распределения по расово-этническому признаку от статусов занятости¶

1.2.2.4. Зависимость распределения по признаку семейного положения от статусов занятости¶

1.2.2.5. Зависимость распределения по штатам проживания от статусов занятости¶

1.2.2.6. Зависимость распределения по признаку гражданства от статусов занятости¶

1.2.2.7. Зависимость возраста действующих сотрудников от организационной структуры компании¶

1.2.2.8. Зависиомсти пола и семейного положения действующих сотрудников от структуры подразделений и занимаемой должности¶

1.2.2.9. Зависимости расово-этнической принадлжености действующих сотрудников от структуры подразделений и занимаемой должности¶

1.2.2.10. Зависимости места проживания (штата) действующих сотрудников от структуры подразделений и занимаемой должности¶

1.2.2.11. Взаимосвязи гражданства и места действующего сотрудника в оргназиационной структуре¶

1.2.3.1. Зависимости для заработной платы (годового оклада)¶

1.2.3.1.A. Заработная плата действующих сотрудников в зависимости от структуры департаментов и занимаемых должностей¶

1.2.3.1.B. Зависимость годового оклада от статуса "работающий" или "уволенный" и в разрезе должностей¶

1.2.3.1.C. Сравнение заработной платы действующих и уволенных сотрудников в хронологии (с учетом структуры департаментов и занимаемых должностей )¶

1.2.3.1.D. Заработная плата действующих сотрудников в зависимости от срока работы в компании (с учетом структуры департаментов и занимаемых должностей)¶

1.2.3.1.E. Зависимость заработной платы от оценки производительности¶

1.2.3.1.F. Зависимость заработной платы от источнка найма¶

1.2.3.1.G. Зависимость заработной платы от даты приёма на работу¶

1.2.3.1.H. УСЛОВНЫЙ РАСЧЁТ. Зависимость средних величин заработной платы и удельных затрат на наём 1 сотрудника¶

1.2.3.1.I. Зависимость заработной платы от KPI (только для подразделения Production!) - линейна регрессия¶

1.2.3.1.J. Зависимость заработной платы в годовом исчислении от возраста сотрудников (для действующих сотрудников)¶

1.2.3.1.K. Зависимость заработной платы в годовом исчислении от от пола сотрудника¶

1.2.3.1.L. Зависимость заработной платы от семейного положения¶

1.2.3.1.M. Зависимость годвоой заработной платы от расово-этнической принадлежности¶

1.2.3.2. Зависимости для продолжительности работы в компании (в годах)¶

1.2.3.2.A. Распределение сроков работы в компании по статусам занятости¶

1.2.3.2.B. Распределение сроков работы сотрудников в компании по департаментам и должностям¶

1.2.3.2.C. Зависимость сроков работы в компании от источника найма (для сотрудников всех статусов)¶

1.2.3.2.D. Зависимость срока работы в компании от даты приёма на работу (для сотрудников всех статутсов)¶

1.2.3.2.E. Зависимость срока работы в компании от даты увольнения¶

1.2.3.2.F. Зависимость среднего срока работы в компании от удельных затрат на наём одного сотрудника (условно - см. выше)¶

1.2.3.2.G. Зависимость продолжительности работы в компании и возраста сотрудников в разрезе подразделений (для действующих сотрудников)¶

1.2.3.2.H. Зависимость продолжительности работы в компании от половой принадлежности сотрудников (действующие сотрудники)¶

1.2.3.2.I. Зависимость продолжительности работы в компании от расово-этнической принадлежности (действующие сотрудники)¶

1.2.3.2.J. Зависимость продолжительности работы в компании от семейного положения (действующие сотрудники)¶

1.2.3.3. Зависимости для оценки производительности¶

1.2.3.3.A. Зависимости оценок производительности и статусов занятости¶

1.2.3.3.B. Зависимость оценки производительности от подразделения¶

1.2.3.3.C. Зависимость оценки производительности от персоналии начальника в разрезе подразделений¶

1.2.3.3.D. Зависимость оценки производительности от срока работы в компании (в годах)¶

1.2.3.3.E. Зависимость оценки производительности от источника найма (с учётом условной средней стоимости найма)¶

1.2.3.3.F. Зависимость оценки производительности от KPI (только для департамента Production)¶

1.2.3.3.G. Зависимость оценки производительности от возраста сотрудника¶

1.2.3.3.H. Зависимость оценки производительности от пола сотрудника¶

1.2.3.3.I. Зависимость оценки производительности от расово-этнической принделжености сотрудников¶

1.2.3.3.J. Зависимость оценки производительности от семейного положения сотрудника¶

	Employee Name	Position	KPI_Name	KPI_Value	Employee Number	USD per Year
0	Gross, Paula	Production Technician I	90-day Complaints	0.0	1103024859	29120.0
1	Gross, Paula	Production Technician I	Abutments/Hour Wk 1	9.0	1103024859	29120.0
2	Gross, Paula	Production Technician I	Abutments/Hour Wk 2	10.0	1103024859	29120.0
3	Gross, Paula	Production Technician I	Daily Error Rate	0.0	1103024859	29120.0
4	Knapp, Bradley J	Production Technician I	90-day Complaints	0.0	1304055683	29120.0
...	...	...	...	...	...	...
763	Sahoo, Adil	Production Technician II	Daily Error Rate	0.0	1106026462	60320.0
764	Winthrop, Jordan	Production Technician II	90-day Complaints	0.0	1405067188	60320.0
765	Winthrop, Jordan	Production Technician II	Abutments/Hour Wk 1	12.0	1405067188	60320.0
766	Winthrop, Jordan	Production Technician II	Abutments/Hour Wk 2	11.0	1405067188	60320.0
767	Winthrop, Jordan	Production Technician II	Daily Error Rate	0.0	1405067188	60320.0

	age	empl_count	total_per_year	min_per_year	median_per_year	max_per_year	avg_per_year
0	25	2	91520.0	35360.0	45760.0	56160.0	45760.00
1	26	1	58240.0	58240.0	58240.0	58240.0	58240.00
2	27	4	243360.0	33280.0	47840.0	114400.0	60840.00
3	28	9	763360.0	33280.0	93600.0	118560.0	84817.78
4	29	12	1028560.0	43680.0	94640.0	116480.0	85713.33
5	30	9	686025.6	34444.8	89440.0	115460.8	76225.07
6	31	17	1241136.0	34840.0	60320.0	131040.0	73008.00
7	32	8	458286.4	31200.0	52665.6	116896.0	57285.80
8	33	11	723840.0	31200.0	45760.0	116480.0	65803.64
9	34	12	694220.8	34860.8	48880.0	114400.0	57851.73
10	35	10	625664.0	29120.0	44720.0	124800.0	62566.40
11	36	8	729352.0	35360.0	108160.0	114400.0	91169.00
12	37	5	415480.0	49920.0	81120.0	135200.0	83096.00
13	38	10	726169.6	33280.0	52000.0	135200.0	72616.96
14	39	14	708136.0	31200.0	45760.0	99008.0	50581.14
15	40	6	385216.0	29120.0	47840.0	114816.0	64202.67
16	41	8	351000.0	32760.0	45760.0	54080.0	43875.00
17	42	7	574080.0	39520.0	108160.0	114400.0	82011.43
18	43	5	225056.0	31616.0	47840.0	60320.0	45011.20
19	44	5	343720.0	35360.0	44200.0	116480.0	68744.00
20	45	5	387899.2	41600.0	57179.2	128960.0	77579.84
21	46	1	132080.0	132080.0	132080.0	132080.0	132080.00
22	47	4	328640.0	33280.0	81120.0	133120.0	82160.00
23	48	7	396136.0	33280.0	52000.0	108680.0	56590.86
24	49	6	458640.0	29120.0	83720.0	115440.0	76440.00
25	50	2	156000.0	41600.0	78000.0	114400.0	78000.00
26	51	4	178880.0	31200.0	45760.0	56160.0	44720.00
27	52	4	334880.0	43680.0	83200.0	124800.0	83720.00
28	53	2	165360.0	50960.0	82680.0	114400.0	82680.00
29	54	3	199680.0	39520.0	45760.0	114400.0	66560.00
30	55	1	114400.0	114400.0	114400.0	114400.0	114400.00
31	56	1	33280.0	33280.0	33280.0	33280.0	33280.00
32	59	1	45760.0	45760.0	45760.0	45760.0	45760.00
33	63	2	281840.0	115440.0	140920.0	166400.0	140920.00
34	66	1	112528.0	112528.0	112528.0	112528.0	112528.00
35	67	1	33280.0	33280.0	33280.0	33280.0	33280.00
36	0	208	14431705.6	29120.0	53040.0	166400.0	69383.20

	Employment Status	empl_count	median_term	Years Employed
0	Active	1	5.05	0.2
1	Active	2	5.05	0.6
2	Active	3	5.05	0.8
3	Active	1	5.05	0.9
4	Active	3	5.05	1.2
5	Active	2	5.05	1.9
6	Active	1	5.05	2.5
7	Active	2	5.05	2.6
8	Active	11	5.05	2.7
9	Active	4	5.05	2.8
10	Active	7	5.05	2.9
11	Active	6	5.05	3.1
12	Active	13	5.05	3.2
13	Active	3	5.05	3.3
14	Active	7	5.05	3.4
15	Active	8	5.05	3.6
16	Active	2	5.05	3.7
17	Active	5	5.05	3.8
18	Active	6	5.05	3.9
19	Active	6	5.05	4.1
20	Active	6	5.05	4.2
21	Active	5	5.05	4.3
22	Active	6	5.05	4.5
23	Active	2	5.05	4.6
24	Active	2	5.05	4.7
25	Active	1	5.05	4.8
26	Active	1	5.05	4.9
27	Active	2	5.05	5.0
28	Active	2	5.05	5.1
29	Active	1	5.05	5.2
30	Active	1	5.05	5.3
31	Active	2	5.05	5.4
32	Active	4	5.05	5.5
33	Active	3	5.05	5.6
34	Active	4	5.05	5.7
35	Active	2	5.05	5.8
36	Active	5	5.05	5.9
37	Active	4	5.05	6.0
38	Active	4	5.05	6.1
39	Active	1	5.05	6.2
40	Active	1	5.05	6.3
41	Active	2	5.05	6.4
42	Active	4	5.05	6.5
43	Active	3	5.05	6.6
44	Active	4	5.05	6.7
45	Active	1	5.05	6.8
46	Active	1	5.05	6.9
47	Active	3	5.05	7.0
48	Active	2	5.05	7.3
49	Active	1	5.05	7.5
50	Active	3	5.05	7.7
51	Active	3	5.05	9.0
52	Active	1	5.05	9.2
53	Active	1	5.05	10.0
54	Active	1	5.05	10.2
55	Active	1	5.05	12.1
56	Future Start	7	1.60	1.4
57	Future Start	1	1.60	1.5
58	Future Start	1	1.60	1.6
59	Future Start	1	1.60	2.4
60	Future Start	1	1.60	2.5
61	Leave of Absence	1	4.15	2.8
62	Leave of Absence	1	4.15	2.9
63	Leave of Absence	2	4.15	3.1
64	Leave of Absence	2	4.15	3.6
65	Leave of Absence	1	4.15	4.1
66	Leave of Absence	2	4.15	4.2
67	Leave of Absence	1	4.15	4.3
68	Leave of Absence	2	4.15	4.5
69	Leave of Absence	1	4.15	6.0
70	Leave of Absence	1	4.15	8.5
71	Terminated for Cause	2	2.05	0.0
72	Terminated for Cause	1	2.05	0.1
73	Terminated for Cause	1	2.05	0.5
74	Terminated for Cause	3	2.05	1.2
75	Terminated for Cause	1	2.05	2.0
76	Terminated for Cause	2	2.05	2.1
77	Terminated for Cause	1	2.05	2.5
78	Terminated for Cause	1	2.05	4.4
79	Terminated for Cause	1	2.05	5.0
80	Terminated for Cause	1	2.05	5.4
81	Voluntarily Terminated	3	2.20	0.0
82	Voluntarily Terminated	3	2.20	0.1
83	Voluntarily Terminated	5	2.20	0.2
84	Voluntarily Terminated	4	2.20	0.3
85	Voluntarily Terminated	1	2.20	0.4
86	Voluntarily Terminated	3	2.20	0.5
87	Voluntarily Terminated	1	2.20	0.6
88	Voluntarily Terminated	3	2.20	0.7
89	Voluntarily Terminated	2	2.20	0.8
90	Voluntarily Terminated	2	2.20	0.9
91	Voluntarily Terminated	3	2.20	1.1
92	Voluntarily Terminated	6	2.20	1.2
93	Voluntarily Terminated	1	2.20	1.3
94	Voluntarily Terminated	3	2.20	1.4
95	Voluntarily Terminated	1	2.20	1.5
96	Voluntarily Terminated	2	2.20	1.6
97	Voluntarily Terminated	1	2.20	1.7
98	Voluntarily Terminated	1	2.20	1.9
99	Voluntarily Terminated	2	2.20	2.0
100	Voluntarily Terminated	3	2.20	2.1
101	Voluntarily Terminated	2	2.20	2.2
102	Voluntarily Terminated	1	2.20	2.5
103	Voluntarily Terminated	2	2.20	2.6
104	Voluntarily Terminated	1	2.20	2.9
105	Voluntarily Terminated	2	2.20	3.0
106	Voluntarily Terminated	2	2.20	3.1
107	Voluntarily Terminated	3	2.20	3.2
108	Voluntarily Terminated	2	2.20	3.3
109	Voluntarily Terminated	2	2.20	3.5
110	Voluntarily Terminated	3	2.20	3.7
111	Voluntarily Terminated	2	2.20	3.9
112	Voluntarily Terminated	2	2.20	4.0
113	Voluntarily Terminated	2	2.20	4.1
114	Voluntarily Terminated	1	2.20	4.4
115	Voluntarily Terminated	4	2.20	4.5
116	Voluntarily Terminated	2	2.20	4.7
117	Voluntarily Terminated	1	2.20	5.1
118	Voluntarily Terminated	1	2.20	5.3
119	Voluntarily Terminated	1	2.20	5.5
120	Voluntarily Terminated	1	2.20	5.6
121	Voluntarily Terminated	1	2.20	7.2

	Years Employed	Min Years Employed	Max Years Employed
Date of Hire
2006-01-09	12.1	12.1	12.1
2007-06-25	3.2	3.2	3.2
2007-11-05	10.2	10.2	10.2
2008-01-07	10.0	10.0	10.0
2008-09-02	7.2	7.2	7.2
2008-10-27	9.2	9.2	9.2
2009-01-05	9.0	1.6	9.0
2009-01-05	1.6	1.6	9.0
2009-01-05	9.0	1.6	9.0
2009-01-08	9.0	9.0	9.0
2009-04-27	4.0	4.0	4.0
2009-07-06	8.5	8.5	8.5
2009-10-26	5.5	5.5	5.5
2010-04-10	7.7	7.7	7.7
2010-04-26	1.1	1.1	7.7
2010-04-26	7.7	1.1	7.7
2010-05-01	7.7	7.7	7.7
2010-07-20	7.5	7.5	7.5
2010-08-30	1.1	1.1	7.3
2010-08-30	7.3	1.1	7.3
2010-09-27	7.3	7.3	7.3
2010-10-25	5.6	5.6	5.6
2011-01-10	3.3	0.0	7.0
2011-01-10	7.0	0.0	7.0
2011-01-10	2.1	0.0	7.0
2011-01-10	0.0	0.0	7.0
2011-01-10	5.3	0.0	7.0
2011-01-10	0.3	0.0	7.0
2011-01-10	0.3	0.0	7.0
2011-01-10	7.0	0.0	7.0
2011-01-10	2.0	0.0	7.0
2011-01-10	7.0	0.0	7.0
2011-01-10	5.4	0.0	7.0
2011-01-10	1.5	0.0	7.0
2011-01-10	5.1	0.0	7.0
2011-01-10	5.0	0.0	7.0
2011-01-21	6.9	6.9	6.9
2011-02-07	3.0	3.0	3.0
2011-02-21	2.9	0.5	4.5
2011-02-21	0.5	0.5	4.5
2011-02-21	2.1	0.5	4.5
2011-02-21	1.6	0.5	4.5
2011-02-21	4.5	0.5	4.5
2011-03-07	3.7	3.7	6.8
2011-03-07	6.8	3.7	6.8
2011-04-04	2.2	0.8	6.7
2011-04-04	6.7	0.8	6.7
2011-04-04	0.8	0.8	6.7
2011-04-04	4.7	0.8	6.7
2011-04-04	6.7	0.8	6.7
2011-04-04	6.7	0.8	6.7
2011-04-04	1.4	0.8	6.7
2011-04-15	6.7	6.7	6.7
2011-05-02	2.1	2.1	2.1
2011-05-16	2.1	0.1	6.6
2011-05-16	4.4	0.1	6.6
2011-05-16	0.7	0.1	6.6
2011-05-16	4.1	0.1	6.6
2011-05-16	1.2	0.1	6.6
2011-05-16	4.5	0.1	6.6
2011-05-16	0.1	0.1	6.6
2011-05-16	6.6	0.1	6.6
2011-05-16	1.7	0.1	6.6
2011-05-16	4.7	0.1	6.6
2011-05-31	6.6	6.6	6.6
2011-06-10	6.6	6.6	6.6
2011-06-27	4.5	4.5	4.5
2011-07-05	6.5	0.1	6.5
2011-07-05	0.2	0.1	6.5
2011-07-05	1.4	0.1	6.5
2011-07-05	0.1	0.1	6.5
2011-07-05	0.2	0.1	6.5
2011-07-05	0.6	0.1	6.5
2011-07-05	6.5	0.1	6.5
2011-07-05	0.2	0.1	6.5
2011-07-05	6.5	0.1	6.5
2011-07-05	1.2	0.1	6.5
2011-07-11	6.5	0.2	6.5
2011-07-11	0.2	0.2	6.5
2011-07-11	1.2	0.2	6.5
2011-08-01	6.4	6.4	6.4
2011-08-15	3.1	0.7	6.4
2011-08-15	3.0	0.7	6.4
2011-08-15	0.7	0.7	6.4
2011-08-15	6.4	0.7	6.4
2011-09-06	6.3	6.3	6.3
2011-09-26	1.9	0.1	4.4
2011-09-26	0.3	0.1	4.4
2011-09-26	0.5	0.1	4.4
2011-09-26	3.7	0.1	4.4
2011-09-26	0.3	0.1	4.4
2011-09-26	2.6	0.1	4.4
2011-09-26	2.0	0.1	4.4
2011-09-26	0.1	0.1	4.4
2011-09-26	4.4	0.1	4.4
2011-10-03	6.2	6.2	6.2
2011-11-07	0.0	0.0	6.1
2011-11-07	4.1	0.0	6.1
2011-11-07	6.1	0.0	6.1
2011-11-07	3.9	0.0	6.1
2011-11-07	2.6	0.0	6.1
2011-11-07	2.5	0.0	6.1
2011-11-07	4.5	0.0	6.1
2011-11-07	6.1	0.0	6.1
2011-11-28	6.1	6.1	6.1
2011-11-28	6.1	6.1	6.1
2012-01-09	3.5	3.5	6.0
2012-01-09	6.0	3.5	6.0
2012-01-09	3.9	3.5	6.0
2012-01-09	6.0	3.5	6.0
2012-01-09	4.0	3.5	6.0
2012-01-09	6.0	3.5	6.0
2012-01-09	6.0	3.5	6.0
2012-01-09	6.0	3.5	6.0
2012-02-15	5.9	5.9	5.9
2012-02-20	5.9	5.9	5.9
2012-02-20	5.9	5.9	5.9
2012-02-20	5.9	5.9	5.9
2012-02-20	5.9	5.9	5.9
2012-03-05	5.8	5.8	5.8
2012-03-05	5.8	5.8	5.8
2012-04-02	5.7	0.5	5.7
2012-04-02	5.7	0.5	5.7
2012-04-02	3.3	0.5	5.7
2012-04-02	2.5	0.5	5.7
2012-04-02	5.7	0.5	5.7
2012-04-02	1.1	0.5	5.7
2012-04-02	3.7	0.5	5.7
2012-04-02	0.5	0.5	5.7
2012-04-02	1.2	0.5	5.7
2012-04-30	5.7	5.7	5.7
2012-05-14	5.6	1.3	5.6
2012-05-14	5.6	1.3	5.6
2012-05-14	5.6	1.3	5.6
2012-05-14	1.3	1.3	5.6
2012-07-02	5.5	5.5	5.5
2012-07-02	5.5	5.5	5.5
2012-07-02	5.5	5.5	5.5
2012-07-09	5.5	5.5	5.5
2012-08-13	5.4	3.1	5.4
2012-08-13	3.1	3.1	5.4
2012-08-13	3.5	3.1	5.4
2012-08-16	5.4	5.4	5.4
2012-09-05	5.3	5.3	5.3
2012-09-24	0.0	0.0	0.7
2012-09-24	0.5	0.0	0.7
2012-09-24	0.7	0.0	0.7
2012-10-02	5.2	5.2	5.2
2012-11-05	5.1	5.1	5.1
2012-11-05	5.1	5.1	5.1
2013-01-07	5.0	1.2	5.0
2013-01-07	1.2	1.2	5.0
2013-01-07	5.0	1.2	5.0
2013-01-07	3.2	1.2	5.0
2013-01-20	4.9	4.9	4.9
2013-02-18	4.8	1.2	4.8
2013-02-18	1.2	1.2	4.8
2013-04-01	3.2	3.2	4.7
2013-04-01	4.7	3.2	4.7
2013-04-01	4.7	3.2	4.7
2013-05-13	4.6	2.2	4.6
2013-05-13	4.6	2.2	4.6
2013-05-13	2.2	2.2	4.6
2013-07-08	0.2	0.2	4.5
2013-07-08	4.5	0.2	4.5
2013-07-08	4.5	0.2	4.5
2013-07-08	4.5	0.2	4.5
2013-07-08	4.5	0.2	4.5
2013-07-08	4.5	0.2	4.5
2013-07-08	4.5	0.2	4.5
2013-07-08	4.5	0.2	4.5
2013-07-08	4.5	0.2	4.5
2013-08-19	4.3	4.3	4.3
2013-08-19	4.3	4.3	4.3
2013-08-19	4.3	4.3	4.3
2013-08-19	4.3	4.3	4.3
2013-08-19	4.3	4.3	4.3
2013-08-19	4.3	4.3	4.3
2013-09-30	4.2	0.9	4.2
2013-09-30	4.2	0.9	4.2
2013-09-30	4.2	0.9	4.2
2013-09-30	4.2	0.9	4.2
2013-09-30	4.2	0.9	4.2
2013-09-30	4.2	0.9	4.2
2013-09-30	4.2	0.9	4.2
2013-09-30	0.9	0.9	4.2
2013-09-30	4.2	0.9	4.2
2013-11-11	4.1	4.1	4.1
2013-11-11	4.1	4.1	4.1
2013-11-11	4.1	4.1	4.1
2013-11-11	4.1	4.1	4.1
2013-11-11	4.1	4.1	4.1
2013-11-11	4.1	4.1	4.1
2013-11-11	4.1	4.1	4.1
2014-01-05	3.9	3.9	3.9
2014-01-06	3.9	3.9	3.9
2014-01-06	3.9	3.9	3.9
2014-01-06	3.9	3.9	3.9
2014-01-06	3.9	3.9	3.9
2014-01-06	3.9	3.9	3.9
2014-02-17	3.8	0.0	3.8
2014-02-17	3.8	0.0	3.8
2014-02-17	3.8	0.0	3.8
2014-02-17	2.0	0.0	3.8
2014-02-17	3.8	0.0	3.8
2014-02-17	0.0	0.0	3.8
2014-02-17	3.8	0.0	3.8
2014-03-31	2.1	2.1	3.7
2014-03-31	3.7	2.1	3.7
2014-03-31	3.7	2.1	3.7
2014-05-05	3.6	3.6	3.6
2014-05-05	3.6	3.6	3.6
2014-05-12	3.6	3.6	3.6
2014-05-12	3.6	3.6	3.6
2014-05-12	3.6	3.6	3.6
2014-05-12	3.6	3.6	3.6
2014-05-12	3.6	3.6	3.6
2014-05-12	3.6	3.6	3.6
2014-05-12	3.6	3.6	3.6
2014-05-18	3.6	3.6	3.6
2014-07-07	3.4	1.2	3.4
2014-07-07	3.4	1.2	3.4
2014-07-07	3.4	1.2	3.4
2014-07-07	3.4	1.2	3.4
2014-07-07	3.4	1.2	3.4
2014-07-07	3.4	1.2	3.4
2014-07-07	1.2	1.2	3.4
2014-07-07	3.4	1.2	3.4
2014-07-07	1.2	1.2	3.4
2014-08-18	3.3	3.3	3.3
2014-08-18	3.3	3.3	3.3
2014-08-18	3.3	3.3	3.3
2014-09-18	3.2	3.2	3.2
2014-09-29	3.2	3.2	3.2
2014-09-29	3.2	3.2	3.2
2014-09-29	3.2	3.2	3.2
2014-09-29	3.2	3.2	3.2
2014-09-29	3.2	3.2	3.2
2014-09-29	3.2	3.2	3.2
2014-09-29	3.2	3.2	3.2
2014-09-29	3.2	3.2	3.2
2014-09-29	3.2	3.2	3.2
2014-09-29	3.2	3.2	3.2
2014-09-29	3.2	3.2	3.2
2014-09-30	3.2	3.2	3.2
2014-11-10	3.1	3.1	3.1
2014-11-10	3.1	3.1	3.1
2014-11-10	3.1	3.1	3.1
2014-11-10	3.1	3.1	3.1
2014-11-10	3.1	3.1	3.1
2014-11-10	3.1	3.1	3.1
2014-11-10	3.1	3.1	3.1
2014-11-10	3.1	3.1	3.1
2014-12-01	1.4	1.4	1.4
2015-01-05	2.9	0.4	2.9
2015-01-05	0.9	0.4	2.9
2015-01-05	0.4	0.4	2.9
2015-01-05	2.9	0.4	2.9
2015-01-05	2.9	0.4	2.9
2015-01-05	2.9	0.4	2.9
2015-01-05	2.9	0.4	2.9
2015-01-05	0.8	0.4	2.9
2015-01-05	2.9	0.4	2.9
2015-01-05	2.9	0.4	2.9
2015-01-05	2.9	0.4	2.9
2015-02-16	2.8	0.0	2.8
2015-02-16	2.8	0.0	2.8
2015-02-16	2.8	0.0	2.8
2015-02-16	0.0	0.0	2.8
2015-02-16	2.8	0.0	2.8
2015-02-16	0.1	0.0	2.8
2015-02-16	2.8	0.0	2.8
2015-02-16	0.2	0.0	2.8
2015-03-30	2.7	1.2	2.7
2015-03-30	2.7	1.2	2.7
2015-03-30	2.7	1.2	2.7
2015-03-30	2.7	1.2	2.7
2015-03-30	1.2	1.2	2.7
2015-03-30	2.7	1.2	2.7
2015-03-30	2.7	1.2	2.7
2015-03-30	2.7	1.2	2.7
2015-03-30	2.7	1.2	2.7
2015-03-30	2.7	1.2	2.7
2015-03-30	2.7	1.2	2.7
2015-03-30	2.7	1.2	2.7
2015-05-01	2.6	2.6	2.6
2015-05-11	2.6	2.6	2.6
2015-06-02	2.5	2.5	2.5
2015-06-05	2.5	2.5	2.5
2015-07-05	2.4	2.4	2.4
2016-01-05	1.9	1.9	1.9
2016-01-28	1.9	1.9	1.9
2016-05-11	1.6	1.6	1.6
2016-06-06	1.5	1.5	1.5
2016-06-30	1.4	1.4	1.4
2016-06-30	1.4	1.4	1.4
2016-07-04	1.4	1.4	1.4
2016-07-06	1.4	1.4	1.4
2016-07-06	1.4	1.4	1.4
2016-07-06	1.4	1.4	1.4
2016-07-21	1.4	1.4	1.4
2016-09-06	1.2	1.2	1.2
2016-10-02	1.2	1.2	1.2
2016-10-02	1.2	1.2	1.2
2017-01-07	0.9	0.9	0.9
2017-02-10	0.8	0.8	0.8
2017-02-15	0.8	0.8	0.8
2017-02-15	0.8	0.8	0.8
2017-04-20	0.6	0.6	0.6
2017-04-20	0.6	0.6	0.6

	empl_source	avg_employee_price	avg_years_employed	empl_count
1	Careerbuilder: $7790.00	7790.00	6.7	1
2	Pay Per Click: $1323.00	1323.00	0.0	1
3	MBTA ads: $645.88	645.88	4.4	17
4	On-campus Recruiting: $625.00	625.00	3.4	12
5	Website Banner Ads: $549.46	549.46	4.1	13
6	Social Networks - Facebook Twitter etc: $506.64	506.64	3.0	11
7	Newspager/Magazine: $460.61	460.61	3.3	18
8	Other: $443.89	443.89	5.3	9
9	Billboard: $387.00	387.00	4.7	16
10	Diversity Job Fair: $345.55	345.55	3.7	29
11	Monster.com: $240.00	240.00	3.9	24
12	Search Engine - Google Bing Yahoo: $207.32	207.32	3.7	25
13	Pay Per Click - Google: $167.10	167.10	3.6	21
14	Professional Society: $60.00	60.00	3.9	20
15	Company Intranet - Partner: $0.00	0.00	1.2	1
16	Information Session: $0.00	0.00	4.3	4
17	Internet Search: $0.00	0.00	3.5	6
18	Employee Referral: $0.00	0.00	3.5	31
19	On-line Web application: $0.00	0.00	0.5	1
20	Vendor Referral: $0.00	0.00	2.8	15
21	Word of Mouth: $0.00	0.00	2.8	13
22	Glassdoor: $0.00	0.00	3.2	14

	empl_count	employees_per_chief	percent	Performance Score	chief
0	2	9.0	22.22	90-day meets	Alex Sweetwater (Software Engineering)
1	1	9.0	11.11	Exceeds	Alex Sweetwater (Software Engineering)
2	1	9.0	11.11	Exceptional	Alex Sweetwater (Software Engineering)
3	4	9.0	44.44	Fully Meets	Alex Sweetwater (Software Engineering)
4	1	9.0	11.11	Needs Improvement	Alex Sweetwater (Software Engineering)
5	1	21.0	4.76	90-day meets	Amy Dunn (Production )
6	2	21.0	9.52	Exceeds	Amy Dunn (Production )
7	1	21.0	4.76	Exceptional	Amy Dunn (Production )
8	11	21.0	52.38	Fully Meets	Amy Dunn (Production )
9	5	21.0	23.81	N/A- too early to review	Amy Dunn (Production )
10	1	21.0	4.76	PIP	Amy Dunn (Production )
11	1	1.0	100.00	Fully Meets	Board of Directors (Admin Offices)
12	1	1.0	100.00	Fully Meets	Board of Directors (Executive Office)
13	1	7.0	14.29	90-day meets	Brandon R. LeBlanc (Admin Offices)
14	4	7.0	57.14	Fully Meets	Brandon R. LeBlanc (Admin Offices)
15	2	7.0	28.57	N/A- too early to review	Brandon R. LeBlanc (Admin Offices)
16	1	21.0	4.76	90-day meets	Brannon Miller (Production )
17	5	21.0	23.81	Exceeds	Brannon Miller (Production )
18	2	21.0	9.52	Exceptional	Brannon Miller (Production )
19	8	21.0	38.10	Fully Meets	Brannon Miller (Production )
20	1	21.0	4.76	Needs Improvement	Brannon Miller (Production )
21	4	21.0	19.05	PIP	Brannon Miller (Production )
22	8	8.0	100.00	Fully Meets	Brian Champaigne (IT/IS)
23	1	21.0	4.76	90-day meets	David Stanley (Production )
24	1	21.0	4.76	Exceeds	David Stanley (Production )
25	15	21.0	71.43	Fully Meets	David Stanley (Production )
26	4	21.0	19.05	N/A- too early to review	David Stanley (Production )
27	2	3.0	66.67	Fully Meets	Debra Houlihan (Sales)
28	1	3.0	33.33	Needs Improvement	Debra Houlihan (Sales)
29	3	22.0	13.64	90-day meets	Elijiah Gray (Production )
30	2	22.0	9.09	Exceeds	Elijiah Gray (Production )
31	13	22.0	59.09	Fully Meets	Elijiah Gray (Production )
32	3	22.0	13.64	N/A- too early to review	Elijiah Gray (Production )
33	1	22.0	4.55	Needs Improvement	Elijiah Gray (Production )
34	1	4.0	25.00	Exceeds	Eric Dougall (IT/IS)
35	3	4.0	75.00	Fully Meets	Eric Dougall (IT/IS)
36	2	2.0	100.00	Fully Meets	Janet King (Admin Offices)
37	1	1.0	100.00	Exceptional	Janet King (IT/IS)
38	3	15.0	20.00	Exceeds	Janet King (Production )
39	10	15.0	66.67	Fully Meets	Janet King (Production )
40	2	15.0	13.33	Needs Improvement	Janet King (Production )
41	1	1.0	100.00	Fully Meets	Janet King (Sales)
42	1	6.0	16.67	Exceeds	Jennifer Zamora (IT/IS)
43	1	6.0	16.67	Exceptional	Jennifer Zamora (IT/IS)
44	3	6.0	50.00	Fully Meets	Jennifer Zamora (IT/IS)
45	1	6.0	16.67	Needs Improvement	Jennifer Zamora (IT/IS)
46	1	1.0	100.00	Fully Meets	Jennifer Zamora (Software Engineering)
47	1	14.0	7.14	90-day meets	John Smith (Sales)
48	11	14.0	78.57	Fully Meets	John Smith (Sales)
49	1	14.0	7.14	Needs Improvement	John Smith (Sales)
50	1	14.0	7.14	PIP	John Smith (Sales)
51	3	22.0	13.64	90-day meets	Kelley Spirea (Production )
52	3	22.0	13.64	Exceeds	Kelley Spirea (Production )
53	15	22.0	68.18	Fully Meets	Kelley Spirea (Production )
54	1	22.0	4.55	N/A- too early to review	Kelley Spirea (Production )
55	2	21.0	9.52	90-day meets	Ketsia Liebig (Production )
56	2	21.0	9.52	Exceeds	Ketsia Liebig (Production )
57	14	21.0	66.67	Fully Meets	Ketsia Liebig (Production )
58	2	21.0	9.52	N/A- too early to review	Ketsia Liebig (Production )
59	1	21.0	4.76	Needs Improvement	Ketsia Liebig (Production )
60	3	22.0	13.64	90-day meets	Kissy Sullivan (Production )
61	1	22.0	4.55	Exceeds	Kissy Sullivan (Production )
62	1	22.0	4.55	Exceptional	Kissy Sullivan (Production )
63	14	22.0	63.64	Fully Meets	Kissy Sullivan (Production )
64	1	22.0	4.55	N/A- too early to review	Kissy Sullivan (Production )
65	1	22.0	4.55	Needs Improvement	Kissy Sullivan (Production )
66	1	22.0	4.55	PIP	Kissy Sullivan (Production )
67	1	13.0	7.69	90-day meets	Lynn Daneault (Sales)
68	2	13.0	15.38	Exceeds	Lynn Daneault (Sales)
69	8	13.0	61.54	Fully Meets	Lynn Daneault (Sales)
70	1	13.0	7.69	N/A- too early to review	Lynn Daneault (Sales)
71	1	13.0	7.69	PIP	Lynn Daneault (Sales)
72	1	22.0	4.55	90-day meets	Michael Albert (Production )
73	2	22.0	9.09	Exceeds	Michael Albert (Production )
74	9	22.0	40.91	Fully Meets	Michael Albert (Production )
75	6	22.0	27.27	N/A- too early to review	Michael Albert (Production )
76	3	22.0	13.64	Needs Improvement	Michael Albert (Production )
77	1	22.0	4.55	PIP	Michael Albert (Production )
78	3	14.0	21.43	90-day meets	Peter Monroe (IT/IS)
79	6	14.0	42.86	Fully Meets	Peter Monroe (IT/IS)
80	5	14.0	35.71	N/A- too early to review	Peter Monroe (IT/IS)
81	5	17.0	29.41	90-day meets	Simon Roup (IT/IS)
82	2	17.0	11.76	Exceptional	Simon Roup (IT/IS)
83	6	17.0	35.29	Fully Meets	Simon Roup (IT/IS)
84	4	17.0	23.53	N/A- too early to review	Simon Roup (IT/IS)
85	3	21.0	14.29	90-day meets	Webster Butler (Production )
86	2	21.0	9.52	Exceeds	Webster Butler (Production )
87	11	21.0	52.38	Fully Meets	Webster Butler (Production )
88	3	21.0	14.29	N/A- too early to review	Webster Butler (Production )
89	2	21.0	9.52	Needs Improvement	Webster Butler (Production )

	N/A- too early to review	90-day meets	Fully Meets	Exceptional	Exceeds	Needs Improvement	PIP
chief
Alex Sweetwater (Software Engineering)	0.00	22.22	44.44	11.11	11.11	11.11	0.00
Amy Dunn (Production )	23.81	4.76	52.38	4.76	9.52	0.00	4.76
Board of Directors (Admin Offices)	0.00	0.00	100.00	0.00	0.00	0.00	0.00
Board of Directors (Executive Office)	0.00	0.00	100.00	0.00	0.00	0.00	0.00
Brandon R. LeBlanc (Admin Offices)	28.57	14.29	57.14	0.00	0.00	0.00	0.00
Brannon Miller (Production )	0.00	4.76	38.10	9.52	23.81	4.76	19.05
Brian Champaigne (IT/IS)	0.00	0.00	100.00	0.00	0.00	0.00	0.00
David Stanley (Production )	19.05	4.76	71.43	0.00	4.76	0.00	0.00
Debra Houlihan (Sales)	0.00	0.00	66.67	0.00	0.00	33.33	0.00
Elijiah Gray (Production )	13.64	13.64	59.09	0.00	9.09	4.55	0.00
Eric Dougall (IT/IS)	0.00	0.00	75.00	0.00	25.00	0.00	0.00
Janet King (Admin Offices)	0.00	0.00	100.00	0.00	0.00	0.00	0.00
Janet King (IT/IS)	0.00	0.00	0.00	100.00	0.00	0.00	0.00
Janet King (Production )	0.00	0.00	66.67	0.00	20.00	13.33	0.00
Janet King (Sales)	0.00	0.00	100.00	0.00	0.00	0.00	0.00
Jennifer Zamora (IT/IS)	0.00	0.00	50.00	16.67	16.67	16.67	0.00
Jennifer Zamora (Software Engineering)	0.00	0.00	100.00	0.00	0.00	0.00	0.00
John Smith (Sales)	0.00	7.14	78.57	0.00	0.00	7.14	7.14
Kelley Spirea (Production )	4.55	13.64	68.18	0.00	13.64	0.00	0.00
Ketsia Liebig (Production )	9.52	9.52	66.67	0.00	9.52	4.76	0.00
Kissy Sullivan (Production )	4.55	13.64	63.64	4.55	4.55	4.55	4.55
Lynn Daneault (Sales)	7.69	7.69	61.54	0.00	15.38	0.00	7.69
Michael Albert (Production )	27.27	4.55	40.91	0.00	9.09	13.64	4.55
Peter Monroe (IT/IS)	35.71	21.43	42.86	0.00	0.00	0.00	0.00
Simon Roup (IT/IS)	23.53	29.41	35.29	11.76	0.00	0.00	0.00
Webster Butler (Production )	14.29	14.29	52.38	0.00	9.52	9.52	0.00

	empl_count	employees_per_source	percent	Performance Score	Employee Source
0	1	16.0	6.25	90-day meets	Billboard
1	2	29.0	6.90	90-day meets	Diversity Job Fair
2	5	31.0	16.13	90-day meets	Employee Referral
3	2	14.0	14.29	90-day meets	Glassdoor
4	2	24.0	8.33	90-day meets	Monster.com
5	4	18.0	22.22	90-day meets	Newspager/Magazine
6	2	9.0	22.22	90-day meets	Other
7	2	21.0	9.52	90-day meets	Pay Per Click - Google
8	2	25.0	8.00	90-day meets	Search Engine - Google Bing Yahoo
9	3	11.0	27.27	90-day meets	Social Networks - Facebook Twitter etc
10	2	15.0	13.33	90-day meets	Vendor Referral
11	2	13.0	15.38	90-day meets	Website Banner Ads
12	2	13.0	15.38	90-day meets	Word of Mouth
13	1	16.0	6.25	Exceeds	Billboard
14	5	29.0	17.24	Exceeds	Diversity Job Fair
15	2	31.0	6.45	Exceeds	Employee Referral
16	1	14.0	7.14	Exceeds	Glassdoor
17	1	4.0	25.00	Exceeds	Information Session
18	3	17.0	17.65	Exceeds	MBTA ads
19	2	24.0	8.33	Exceeds	Monster.com
20	1	12.0	8.33	Exceeds	On-campus Recruiting
21	2	9.0	22.22	Exceeds	Other
22	3	21.0	14.29	Exceeds	Pay Per Click - Google
23	4	20.0	20.00	Exceeds	Professional Society
24	1	25.0	4.00	Exceeds	Search Engine - Google Bing Yahoo
25	1	11.0	9.09	Exceeds	Social Networks - Facebook Twitter etc
26	1	13.0	7.69	Exceeds	Website Banner Ads
27	1	16.0	6.25	Exceptional	Billboard
28	1	29.0	3.45	Exceptional	Diversity Job Fair
29	3	31.0	9.68	Exceptional	Employee Referral
30	2	17.0	11.76	Exceptional	MBTA ads
31	2	20.0	10.00	Exceptional	Professional Society
32	10	16.0	62.50	Fully Meets	Billboard
33	1	1.0	100.00	Fully Meets	Careerbuilder
34	1	1.0	100.00	Fully Meets	Company Intranet - Partner
35	14	29.0	48.28	Fully Meets	Diversity Job Fair
36	16	31.0	51.61	Fully Meets	Employee Referral
37	9	14.0	64.29	Fully Meets	Glassdoor
38	8	8.0	100.00	Fully Meets	Indeed
39	2	4.0	50.00	Fully Meets	Information Session
40	4	6.0	66.67	Fully Meets	Internet Search
41	9	17.0	52.94	Fully Meets	MBTA ads
42	15	24.0	62.50	Fully Meets	Monster.com
43	10	18.0	55.56	Fully Meets	Newspager/Magazine
44	9	12.0	75.00	Fully Meets	On-campus Recruiting
45	1	1.0	100.00	Fully Meets	On-line Web application
46	3	9.0	33.33	Fully Meets	Other
47	12	21.0	57.14	Fully Meets	Pay Per Click - Google
48	9	20.0	45.00	Fully Meets	Professional Society
49	19	25.0	76.00	Fully Meets	Search Engine - Google Bing Yahoo
50	6	11.0	54.55	Fully Meets	Social Networks - Facebook Twitter etc
51	9	15.0	60.00	Fully Meets	Vendor Referral
52	6	13.0	46.15	Fully Meets	Website Banner Ads
53	8	13.0	61.54	Fully Meets	Word of Mouth
54	1	16.0	6.25	N/A- too early to review	Billboard
55	3	29.0	10.34	N/A- too early to review	Diversity Job Fair
56	5	31.0	16.13	N/A- too early to review	Employee Referral
57	1	14.0	7.14	N/A- too early to review	Glassdoor
58	1	4.0	25.00	N/A- too early to review	Information Session
59	1	6.0	16.67	N/A- too early to review	Internet Search
60	2	24.0	8.33	N/A- too early to review	Monster.com
61	4	18.0	22.22	N/A- too early to review	Newspager/Magazine
62	2	12.0	16.67	N/A- too early to review	On-campus Recruiting
63	1	9.0	11.11	N/A- too early to review	Other
64	1	1.0	100.00	N/A- too early to review	Pay Per Click
65	2	21.0	9.52	N/A- too early to review	Pay Per Click - Google
66	3	20.0	15.00	N/A- too early to review	Professional Society
67	1	25.0	4.00	N/A- too early to review	Search Engine - Google Bing Yahoo
68	1	11.0	9.09	N/A- too early to review	Social Networks - Facebook Twitter etc
69	4	15.0	26.67	N/A- too early to review	Vendor Referral
70	2	13.0	15.38	N/A- too early to review	Website Banner Ads
71	2	13.0	15.38	N/A- too early to review	Word of Mouth
72	1	16.0	6.25	Needs Improvement	Billboard
73	3	29.0	10.34	Needs Improvement	Diversity Job Fair
74	1	14.0	7.14	Needs Improvement	Glassdoor
75	1	6.0	16.67	Needs Improvement	Internet Search
76	2	17.0	11.76	Needs Improvement	MBTA ads
77	3	24.0	12.50	Needs Improvement	Monster.com
78	1	9.0	11.11	Needs Improvement	Other
79	1	21.0	4.76	Needs Improvement	Pay Per Click - Google
80	1	25.0	4.00	Needs Improvement	Search Engine - Google Bing Yahoo
81	1	13.0	7.69	Needs Improvement	Word of Mouth
82	1	16.0	6.25	PIP	Billboard
83	1	29.0	3.45	PIP	Diversity Job Fair
84	1	17.0	5.88	PIP	MBTA ads
85	1	21.0	4.76	PIP	Pay Per Click - Google
86	2	20.0	10.00	PIP	Professional Society
87	1	25.0	4.00	PIP	Search Engine - Google Bing Yahoo
88	2	13.0	15.38	PIP	Website Banner Ads

	Average price	N/A- too early to review	90-day meets	Fully Meets	Exceptional	Exceeds	Needs Improvement	PIP
Employee Source
Indeed: $	0.0	0.00	0.00	100.00	0.00	0.00	0.00	0.00
Careerbuilder: $7790.00	7790.0	0.00	0.00	100.00	0.00	0.00	0.00	0.00
Pay Per Click: $1323.00	1323.0	100.00	0.00	0.00	0.00	0.00	0.00	0.00
MBTA ads: $645.88	646.0	0.00	0.00	52.94	11.76	17.65	11.76	5.88
On-campus Recruiting: $625.00	625.0	16.67	0.00	75.00	0.00	8.33	0.00	0.00
Website Banner Ads: $549.46	549.0	15.38	15.38	46.15	0.00	7.69	0.00	15.38
Social Networks - Facebook Twitter etc: $506.64	507.0	9.09	27.27	54.55	0.00	9.09	0.00	0.00
Newspager/Magazine: $460.61	461.0	22.22	22.22	55.56	0.00	0.00	0.00	0.00
Other: $443.89	444.0	11.11	22.22	33.33	0.00	22.22	11.11	0.00
Billboard: $387.00	387.0	6.25	6.25	62.50	6.25	6.25	6.25	6.25
Diversity Job Fair: $345.55	346.0	10.34	6.90	48.28	3.45	17.24	10.34	3.45
Monster.com: $240.00	240.0	8.33	8.33	62.50	0.00	8.33	12.50	0.00
Search Engine - Google Bing Yahoo: $207.32	207.0	4.00	8.00	76.00	0.00	4.00	4.00	4.00
Pay Per Click - Google: $167.10	167.0	9.52	9.52	57.14	0.00	14.29	4.76	4.76
Professional Society: $60.00	60.0	15.00	0.00	45.00	10.00	20.00	0.00	10.00
Company Intranet - Partner: $0.00	0.0	0.00	0.00	100.00	0.00	0.00	0.00	0.00
Employee Referral: $0.00	0.0	16.13	16.13	51.61	9.68	6.45	0.00	0.00
Glassdoor: $0.00	0.0	7.14	14.29	64.29	0.00	7.14	7.14	0.00
Information Session: $0.00	0.0	25.00	0.00	50.00	0.00	25.00	0.00	0.00
Internet Search: $0.00	0.0	16.67	0.00	66.67	0.00	0.00	16.67	0.00
On-line Web application: $0.00	0.0	0.00	0.00	100.00	0.00	0.00	0.00	0.00
Vendor Referral: $0.00	0.0	26.67	13.33	60.00	0.00	0.00	0.00	0.00
Word of Mouth: $0.00	0.0	15.38	15.38	61.54	0.00	0.00	7.69	0.00

	empl_count	employees_per_sex	percent	Performance Score	sex
0	19	177.0	10.73	90-day meets	Female
1	12	133.0	9.02	90-day meets	Male
2	16	177.0	9.04	Exceeds	Female
3	12	133.0	9.02	Exceeds	Male
4	5	177.0	2.82	Exceptional	Female
5	4	133.0	3.01	Exceptional	Male
6	101	177.0	57.06	Fully Meets	Female
7	80	133.0	60.15	Fully Meets	Male
8	26	177.0	14.69	N/A- too early to review	Female
9	11	133.0	8.27	N/A- too early to review	Male
10	5	177.0	2.82	Needs Improvement	Female
11	10	133.0	7.52	Needs Improvement	Male
12	5	177.0	2.82	PIP	Female
13	4	133.0	3.01	PIP	Male